（计算机软件与理论专业论文）基于笔交互的ct图像轮廓提取系统的研究与实现.pdf

摘要在序列c ，i 图像中提取目标轮廓是医生进行下一步的医学检查、分析、诊断、治疗以及评估等研究的基础步骤。随着计算机技术在医学图像领域的应用，特别是通过计算机处理c t 图像的广泛应用，计算机已经成为医生进行诊断和研究过程中不可或缺的工具。基于g v fs n a k e 模型的目标轮廓提取正是计算机在c t 图像的轮廓提取的一个重要的方法。作为传统的基于g v fs n a k e 模型的目标轮廓提取系统，其让用户使用鼠标键盘等工具在图像中进行手工初始化勾勒，然后通过算法中能量函数的运行，让初始轮廓不断逼近目标轮廓，最终得到用户的目标轮廓。但是使用鼠标键盘作为输入工具存在几个问题：首先，鼠标和键盘在进行轮廓勾勒时难以掌握，用户很难将勾勒轮廓勾画在目标轮廓的周围，而6 v fs n a k e 模型需要初始化轮廓很靠近目标轮廓，否则将不能准确获取目标轮廓。其次，医生需要在轮廓提取时进行文字输入，而鼠标键盘是w i m p 交互方式的输入设备，其交互方式缺乏自然性，频繁的鼠标勾勒、点击菜单和键盘文字输入会极大分散用户的注意力，因此w i m p 交互方式会影响轮廓提取的准确度和医生的工作效率。针对目前基于g v fs n a k e 模型的目标轮廓提取系统所出现的问题，本文通过笔式用户界面的研究，将其作为基于g v fs n a k e 模型的目标轮廓提取系统的界面，并设计一个笔输入的信息输入区域来接受用户的文字输入，最后通过设计和实现一个基于笔交互的轮廓提取系统来验证笔式用户界面在轮廓提取方面的有效性和合理性。在开发研究中，用笔输入的勾勒结果作为g v fs n a k e 模型的输入数据，并采用笔手势设计、笔手势识别和文字识别等笔交互技术开发了一个笔式编辑工具，该工具不仅支持用户的文字勾画，也支持通过手势勾画对文字输入进行操作。这些使用户在纸笔的环境下，注意力更集中在目标轮廓提取上，用自然的方式操作系统，最终得到满意的提取结果。本文的研究受到中科院计算机科学国家重点实验室开放课题基金项目( 编号：s y s k f 0 7 0 4 ) 、国家“八六三高技术发展研究计划项目( 编号：2 0 0 6 a a 0 1 2 3 2 8 ) 、国家自然科学基金项目( 编号：6 0 8 7 3 0 9 5 ) 、西北大学研究生创新教育项目( 编号：0 9 y z z 6 7 )的资助。关键词：g v fs n a k e 算法，笔式用户界面，轮廓提取r e s e a r c ha n di m p l e m e n t a t i o no fap e n b a s e dc ti m a g ec o n t o u re x t r a c t i o ns y s t e ma b s t r a c tap r e c i s ec o n t o u re x t r a c t i o no fo b j e c to r g a n sf r o ms e r i a lc ti m a g e sp r o v i d e st h ep o s s i b i l i t yo f f u r t h e rm e d i c a le x a m i n a t i o n ，a n a l y s i s ，d i a g n o s e ，t r e a t m e n t ，a n de v a l u a t i o nf o rt h ed o c t o r s a d v a n c i n gc o m p u t e rt e c h n o l o g yi nt h ef i e l do fm e d i c a li m a g ea n a l y z e ，e s p e c i a l l yt h ew i d e l yu s eo fc ti m a g ep r o c e s sw i t hc o m p u t e r , m a k i n gc o m p u t e r - a i dd i a g n o s eap o w e r f u lt o o li nm e d i c a lr e s e a r c h g v fs n a k em o d e lb a s e dc o n t o u re x t r a c t i o ni sa ni m p o r t a n tr e s e a r c hm e t h o di nc o m p u t e r - a i dc ti m a g ep r o c e s s t h e r ea l es e v e r a ln e c e s s a r ys t e p si ng v fs n a k eb a s e dc o n t o u re x t r a c t i o n ：f i r s t ，t h er o u g hc o n t o u ro u t l i n e di nt h ei m a g eb yt h eu s e rm a n u a l l yw i t hm o u s ea n dk e y b o a r d ，w h i c ht h e np r o c e s s e db ys p e c i f i ce n e r g yf u n c t i o na n da p p r o a c ht ot h eo b j e c tc o n t o u r , a tl a s tr e a c ht h ef i n a lr e s u l tt o t h eu s e rc o n f i r m a t i o n b u tt h e r e a r ep r o b l e m sw h e nu s i n gm o u s ea n dk e y b o a r da sm a i ni n p u td e v i c e ：f i r s t ，i t sd i f f i c u l tt og a i nar o u g hc o n t o u rc l o s et ot h ef i n a lr e s u l tw i t hm o u s eb e c a u s eo fi t sl a c ko fp r e c i s ec o n t r o l ，a c c o r d i n gt ow h i c ht h eg v fs n a k em o d e lc a l lp r o c e s s 、7 l r i lt og a i naa c c e p t a b l ec o n t o u rf o rd o c t o r s s e c o n d at e x ti n p u tw i l lr e q u i r et h ed o c t o rt os w i t c hb e t w e e nt h em e n ua n dm a i nw i n d o wf r e q u e n t l y , t h u sl o s i n gt h e i rf o c u so nt h ec o n t o u re x t r a c t i o no rc a s es t u d y , l o w e rt h e i re f f i c i e n c y b yi n t r o d u c i n gap e n b a s e du s e ri n t e r f a c ea st h em a i ni n t e r f a c eo ft h ec o n t o u re x t r a c t i o ns y s t e m ，w ec a ns o l v et h ep r o b l e m sa b o v et h r o u g hd e s i g n i n gap e n - b a s e dc o n t o u re x t r a c t i o nm e t h o d ，w h i c ha l s os u p p o r tai n f o r m a t i o ni n p u ta r e at oa c c e p ta n dr e c o g n i z ed o c t o r sh a n dw r i t i n g t h e nw ew i l la p p r o v et h ee f f e c t i v e n e s sa n dr a t i o n a l i t yo ft h i sm e t h o db ye x p e r i m e n t i n gad e m os y s t e mt oe x t r a c tt h ec o n t o u ro fl i v e r d u r i n gt h es o f t w a l ed e v e l o p m e n t ，ap e n - b a s e de d i t t o o li sd e s i g n e dt oa c c e p tt h ep e n - b a s e ds k e t c h ，w h i c ha l s os u p p o r tm u l t i f u n c t i o nt oi n t e r a c tw i t l ld o c t o m ，s u c ha s ，p e ng e s t u r ed e s i g n a t i o na n dr e c o g n i t i o n ，t e x tr e c o g n i t i o n b yp r o v i d i n gam o r en a t u r a li n t e r a c t i o n ，t h i st o o lg u a r a n t e et h ed o c t o rt of o c u so nt h ec o n t o u re x t r a c t i o na n da c h i e v e dab e t t e rr e s u l t t h er e s e a r c ho ft h i sp a p e rw a ss u p p o r t e db yt h eo p e nf o u n d a t i o no fs t a t ek e yll a b o r a t o r yo fc o m p u t e rs c i e n c e ，t h ec h i n e s ea c a d e m yo fs c i e n c e sf n o s y s k f 0 7 0 4 ) ，t h en a t i o n a lh i g l l t e c hr e s e a r c ha n dd e v e l o p m e n tp r o g r a mo fc h m a ( 8 6 3p r o g r a m )( n o 2 0 0 6 a a 01z 3 2 8 ) ，t h en a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no fc h i n au n d e rg r a n t ( n o 6 0 8 7 3 0 9 5 ) ，a n dt h ei n n o v a t i o na w a r do fg r a d u a t es t u d e n t ，n o r t h w e s tu n i v e r s i t y ( n o 0 9 y z z 6 7 ) k e y w o r d s ：g v fs n a k ea l g o r i t h m ，p e n - b a s e du s e ri n t e r f a c e ，c o n t o u re x t r a c t i o n西北大学学位论文知识产权声明书本人完全了解西北大学关于收集、保存、使用学位论文的规定。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。本人授权西北大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所等机构将本学位论文收录到中国学位论文全文数据库或其它相关数据库。保密论文待解密后适用本声明。学位论文作者签名：瓷盏指导教师签名：垡杰二2 。jb 年6 月2 口日驯。年6 月如日西北大学学位论文独创性声明本人声明：所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特另t i , d l ：i 以标注和致谢的地方外，本论文不包含其他人已经发表或撰写过的研究成果，也不包含为获得西北大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：坎磊2 q 。年月7 , o 日西北大学硕士学位论文1 1 研究背景第一章绪论计算机科学的快速发展，为其医学领域的应用提供了给为广泛的支持。其中，计算机视觉( c o m p u t e r v i s i o n ) 【l 】正是为满足医学的这种需求而产生和快速发展。计算机视觉的发展为医学影像分析领域提供了必要的技术支持，其中医学c t 图像中目标轮廓的分割和轮廓提取是医学图像处理中极其重要的研究方向，也是基于医学图像检查、分析、诊断、治疗以及评估等的研究的基础。在医学c t 图像的应用中，目标轮廓的分割和提取是医学应用的第一步，是医学分析、诊断和三维重建的基础部分。目前，目标轮廓的提取系统都是基于不同的算法而开发的。图像分割( i m a g es e g m e n t a t i o n ) 算法大体分为基于边缘的图像分割方法和基于区域的图像分割方法【2 1 。主动轮廓模型( 也称s n a k e 模型) 【3 1 是一种重要的基于边缘的图像分割方法，而g v fs n a k e 算法【4 】是对s n a k e 模型的一种改进算法。自1 9 8 7 年k a s s 等人提出主动轮廓模型之后，其很快发展成为图像分割中最为活跃的研究领域之一。由于g v fs n a k e算法将高层的经验知识融入到了低层算法的运行中，因此出现了很多基于此算法的轮廓提取系统。传统的基于g v fs n a k e 算法的轮廓提取系统需要进行初始化等过程，需要与用户进行多次的交互，过程比较复杂，并且这些传统的轮廓提取系统中用户都是采用w i m 矿( w i n d o w 、i c o n 、m e n u 、p o i n t i n gd e v i c e ) 【5 】方式与系统进行交互，这种方式主要依靠鼠标、键盘作为输入工具。w i m p 风格的交互方式具有显性、离散性和精确性等特点，医生用户在使用w i m p 风格的用户界面在进行c t 图像的轮廓提取过程中，不仅要考虑如何进行更精确的轮廓初始化等工作，还要考虑如何使用键盘、鼠标等来表明自己的感兴趣目标。这样多重任务分散了用户对于最终任务的注意力，降低了算法的准确度，因此这种w i m p 风格的用户界面已经不能满足医生的需求。随着计算机硬件技术的迅速发展，出现了非常多的输入、输出设备，特别是输入设备不再局限于键盘和鼠标。数字笔、三维鼠标、触摸板等输入设备的出现改变了传统的人与计算机的交互方式。每种输入设备都会定义一种特定的交互方式和交互界面，这些界面被统称为p o s t w i m p 界面 6 w i m p 界面和p o s t w i m p 界面都有不同的交互方式相对应，因其交互方式的不同，其都有自己的适用范围，我们无法单纯断定哪种界面会更适合做第一章绪论用户界面。目前，传统的w i m p 界面无法完全满足医生在目标轮廓提取系统中对系统的需求，而p o s t - w i m p 界面的出现，给我们提供了新的思路去解决这样的问题。本文的研究受到中科院计算机科学国家重点实验室开放课题基金项目( 编号：s y s k f 0 7 0 4 ) 、国家“八六三 高技术发展研究计划项目( 编号：2 0 0 6 从0 1 2 3 2 8 ) 、国家自然科学基金项目( 编号：6 0 8 7 3 0 9 5 ) 、西北大学研究生创新教育项目( 编号：0 9 y z z 6 7 )的资助。1 2 研究目的和意义笔交互风格的用户界面是p o s t - w i m p 界面中的一种，其让用户可以像日常生活中那样用纸笔进行交互，它是用数字笔进行输入的。笔式用户界面与传统的用户界面有三个主要的区别。首先，笔式用户界面是在计算机环境下模拟纸笔的工作环境，其采用的是纸笔的界面隐喻，而传统的w i m p 贝u 是模拟桌面的工作环境；第二，笔式用户界面中用户和系统的交互过程非常自然，其产生的交互信息具有连续性、隐含性、非精确性等特征，而w i m p 风格界面则是具有显性、离散性和精确性等特征；最后，笔式用户界面采用的是笔交互的交互技术，主要是通过笔手势( g e s t u r e ) 操作进行的，而w i m p 的交互是通过鼠标点击和键盘输入来进行。在基于g v fs n a k e 算法的轮廓提取系统中，需要对目标轮廓进行初始化，而初始化的轮廓是否靠近目标轮廓的真实边缘会极大影响最后的提取准确度。传统的w i m p 风格的交互方式使用的是鼠标对目标轮廓进行勾勒，其对于用户操作极其不便，勾勒的轮廓也很难达到初始化的要求。而笔交互的p o s t w i m p 用户界面则采用数字笔对轮廓进行勾勒，因具有以上三个与w l m p 风格交互方式不同的地方，其贴近医生日常的纸笔的交互习惯，使得勾勒的初始化轮廓更加靠近目标轮廓，提高了算法的准确度。同时，医生用户在进行轮廓提取过程中，可以非常方便的使用数字笔输入文字，随时记录自己对于图像的研究发现，其输入过程自然、方便。基于笔式用户界面的交互方式和现实中医生用户的轮廓提取环境相似，同时使用数字笔可以得到更靠近目标的初始轮廓，文字输入方式也符合用户的操作习惯，所以本文采用了笔式用户界面作为基于g v fs n a k e 算法的目标轮廓提取系统的用户界面将会更加合适。本文通过笔式用户界面和基于g v fs n a k e 算法的目标轮廓提取的研究，设计了一个基于笔交互的目标轮廓提取系统。其目的是使医生可以像现实中那样，在轮廓提取系统中使用笔交互的方式，精确和更加方便的提取目标轮廓和输入文字记录其研究结果。在c t 序列图像中进行目标轮廓的分割的结果的好坏，将直接影响医学图像分析、目2西北大学硕士学位论文标的三维重建等的效果。因此，对于轮廓提取系统的研究非常重要。本文提出的轮廓提取系统将采用笔式用户界面，使得医生在轮廓提取时通过笔交互的方式，既能得到更加精确的提取结果，也是医生的操作过程更加自然和轻松，所以本文的研究具有重要的理论价值和实用价值。1 3 国内外研究现状1 3 1g v fs n a k e 算法自从1 9 8 7 年k a s s ，w i t h i n ，t e r z o p o u l o s 发表创造性论文“s n a k e s a c t i v ec o n t o u rm o d e l s ”提出主动轮廓模型以后，众多研究者对主动轮廓模型进行了长期不懈的研究和改进，使其成为最活跃和最成功的研究领域之_ 。如今，主动轮廓模型已经被广泛应用于边缘检测、图像分割、目标跟踪和三维可视化等图像处理过程中，成为计算机视觉的一个重要的方法。主动轮廓模型虽然在图像领域得到广泛应用，但它也存在很多缺点。研究人员对主动轮廓模型从算法和模型两方面进行了改进。a m i n i 人等提出基于动态规划的算法s n a k e s ( d p ) t 7 1 ，利用组合优化理论，大大地改进了原始算法的性能。c o h e n 等人提出了具有了归一化图像力场和b m l o o n 力的b f l l o o n s 模型【8 】，这种模型可以扩大s n a k e 模型的搜索范围，一定程度减弱了模型对初始轮廓的依赖。随后，x u 等人则提出了梯度矢量流( g r a d i e n t v e c t o rf l o w ，g v f ) 模型。g v fs n a k e 模型除扩大了轮廓的捕获区域外，还使轮廓较为容易地进入到目标凹陷区域，很好的解决了传统s n a k e 模型的局限性。g v fs n a k e模型较好的解决了传统s n a k e 算法的初始化和凹陷轮廓的问题。但所有的这些算法的改进，都是对从算法角度出发的，都想通过单纯的算法改进而开发出全自动化的轮廓提取系统，目前还没研究人员对轮廓提取过程中的交互方式进行研究和改进，没有研究人员将笔交互这种方式引入到轮廓提取系统中。1 3 2 笔式用户界面笔式用户界面是以笔交互为主要交互方式的界面，其最早出现在1 9 6 3 年，s u t h e r l a n d的s k e t c h p a d 9 1 就是首个使用笔式用户界面的系统，随后r a n d 公司进行了相应的工作【1 们，其主要关注手写体和图像的识别，这说明人们对于笔交互这种交互方式的渴望。但由于随后7 0 年代鼠标和光栅显示器的流行，笔式用户界面没有得到发展。到y 8 0 年代后期9 03第一章绪论年代初，计算机硬件和网络的快速发展，移动计算被广泛关注，而笔交互借着移动计算的环境迅速发展起来。如9 0 年代初期的g o 公司开发的p e n p o i n t 系统是基于t a b l e t 的标准的操作系统。随后的发展中，x e r o xp a r c 研发除了一个白板大小、可以用专用笔进行直接交互的笔交互设斜1 2 】，同时，其在此设备基础上开发出了操作软件，提出了许多现代笔式用户的基本概念和思想。自此，笔式交互界面不仅停留在理论研究，也开发除了很多成熟的系统。c m u 大学将笔交互其入到了g 灿e t ( 工具箱系统) 中，b e r k e l e y ) k ：学g u i r 实验室设计了支持笔交互的开发工具s a t i n 1 4 1 ，b r o w n 大学开发出了基于笔的乐曲制作系统m u s i cn o t e p a d 15 1 。但在医学领域，还没有研究人员开发出基于笔式用户界面的医学系统。1 4 本文主要工作交互比算法更有力【1 6 1 ，因此本文通过对基于g v fs n a k e 模型的c t 图像的目标轮廓提取系统和笔式用户界面的研究，将笔式用户界面引入到基于g v fs n a k e 模型的c t 图像的目标轮廓提取系统中，并设计实现了一个基于笔交互的c t 图像中的目标轮廓提取系统。最后通过对本文设计的系统进行验证，并对系统做了评估和可用性分析。本文的工作主要包括一下几个方面：( 1 ) 对目前现实中的基于g v fs n a k e 模型的c t 图像的目标轮廓提取系统进行了分析和研究，针对其存在的问题提出了笔式用户界面作为目标轮廓提取系统的交互界面的解决方案。( 2 ) 对g v fs n a k e 模型以及c t 图像的相关理论作出了介绍，提出了用笔输入的勾勒轮廓作为g v fs n a k e 算法的初始化轮廓，并在系统中采用p i b g 工具箱，实现一个笔式的编辑器，用于医生输入自己的诊断和研究结果。( 3 ) 对本文提出的解决方案进行研究，阐述笔式用户界面作为基于g v fs n a k e 模型的c t 图像的目标轮廓提取系统的交互界面的原因以及解决方案研究过程中的面临的问题。( 4 ) 根据解决方案，给出系统的设计目标，在需求分析的基础上，设计出基于笔交互的目标轮廓提取系统，并根据不同的功能对系统进行了模块划分。( 5 ) 根据对模块功能的划分结果，对每个模块进行详细的设计，并采用现有的技术对每个模块进行实现。4西北大学硕士学位论文( 6 ) 通过对本文系统原型进行实验，分析实验结果，并对系统进行可用性评估，从而证明本文研究的正确性和合理性。1 5 论文组织结构本文以基于g v fs n a k e 算法的目标轮廓提取系统的基本特征为研究基础，将笔交互用户界面引入到此轮廓提取系统中。先介绍了c t 序列图像、目标轮廓提取、g v fs n a k e模型和笔式交互等相关的理论知识。然后介绍了本文系统的设计目标、需求分析和总体设计，根据其功能将系统分了不同的功能模块。接着对这些模块的功能和具体实现进行了分析介绍，并对系统进行了实验和可用性评估。本文将分为五章：第一章，绪论：主要指出本文研究的背景、目的和意义，以及国内外研究的现状，总结性指出本文的工作和文章的总体组织结构。在研究背景中，介绍了目前基于g v fs n a k e 算法的c t 轮廓提取系统所面临的困难，即在系统的初始化过程中需要进行轮廓勾勒的初始化，使用原始的键盘鼠标进行输入时很难达到算法的初始化要求。提出了使用p o s t w i m p 界面来解决该问题，并引出本文的研究目的，即使用p o s t w i m p 界面中的笔式用户界面来解决此问题，并说明本文研究的意义。其后对现今国内外的g v fs n a k e 算法的研究和笔式用户界面的研究现状做了分析，提出了目前还没有研究者将笔交互与基于g v fs n a k e 算法的轮廓提取进行相结合的现状。第二章，基于笔交互的c t 序列图像轮廓提取系统的相关理论：首先介绍了c t 序列图像的原理和序列图像的信息连续性的特征，然后是关于目标轮廓提取的概念和方法的介绍。接下来介绍了本文的核心算法g v fs n a k e 模型的原理和模型的工作原理。然后介绍了笔式交互的理论，介绍了其中的用户界面、交互技术和可用性评估方面的相关理论。最后是对将笔交互引入到轮廓提取的系统中的介绍。第三章，基于笔交互的c t 序列图像轮廓提取系统的分析与总体设计：首先说明本文系统的设计目标，并设计了本文的交互方式，分析系统的需求。最后对系统做了总体设计，根据系统的需求将系统分文五个模块：图像显示模块、g v fs n a k e 算法控制模块、控制点模块、序列图像处理模块、笔交互处理模块。并对每个模块的具体功能做了介绍。图像显示模块负责d i c o m 图像的显示，g v fs n a k e 算法控制模块则是系统算法的运行模块，控制点模块是用控制点的方法对轮廓提取的结果进行手工的修正，使其更符合用户的心理需求，序列图像处理模块是对序列图像进行批处理时进行控制和操作，而笔交互5第一章绪论处理模块要负责图像中笔输入部分的信息捕获、识别和显示等。第四章，基于笔交互的c t 图像轮廓提取系统的设计与实现：阐述系统的具体实现的功能和技术细节。根据系统的功能模块的划分分别介绍每个模块的具体功能以及其实现的所用到的技术。图像显示模块主要介绍d i c o m 图像的显示以及通过窗宽窗位对图像的显示效果进行调节；g v fs n a k e 算法控制模块介绍了算法的初始化过程和算法的参数控制；控制点模块介绍了控制点模块的具体设计以及通过控制点如何对轮廓结果进行手工修正；序列图像处理模块则介绍模块实现的功能和如何对一个序列的c t 图像进行半自动化的轮廓提取；笔交互处理模块则是笔交互相关信息的处理模块，要接受屏幕的信息收入，对信息进行分类处理，将图像区域的轮廓勾勒信息传递给算法，将文字输入信息进行识别、保存和显示。介绍了可用性评估方面的理论，几种常见的可用性的评估方法，并说明本文所采用的可用性评估使用的方法。第五章，基于笔交互的c t 图像轮廓提取系统的实验与评估：通过对原型系统的实验分析系统的实验结果，通过算法运行的结果进行比较，验证了算法准确性的提高，同时，通过用户对系统的操作和评估，验证了基于笔交互的c t 图像轮廓提取系统的实用性和有效性。最后介绍对本文的工作和成果做了总结，并对下一步的研究做出了展望。6n 大学硕j 学位论女第二章基于笔交互的c t 序列图像轮廓提取系统的相关理论基于笔交互的c t 序列图像轮廓提取过程中，我们首先要理解c t 序列图像、目标轮廓提取、g v fs n a k e 模型和笔交互方面的理论知识。c t 图像在医学应用中得到广泛使用，并且序列c t 图像具有信息的连续性。目标轮廓的提取是利用计算机技术对用户的感兴趣区域进行分割提取。g v fs n a k e 模型是传统s n a k e 模型的一个改进模型，其为轮廓提取领域的一个重要的方法。笔式交互是种基于纸笔隐喻的人机交互方式，是笔式用户界面采用的交互技术。2 1c t 序列图像目前，医学图像有b 超图像、c t 图像和m r i 等，其中c t 图像已经被大量应用在医学诊断和研究中m 1 ，c t 图像相对于x 射线图像和超声图像具有更高的分辨率，对人体的伤害又比较小因此c t 图像逐渐成为医生继续进行病珲分析和医学研究的丰要医学手段。并且随着计算机在医学领域的广泛应用，c t 图像的处理成为了一个重要的研究方向。医学c t 图像是医生用来诊断疾病以及研究疾病的重要依据，不但直接影响医牛诊断的正确性，而且是医牛进行医学研究的数据基础。随着计算机和医学的不断发展，医学图像也被广泛应用到三维重建和虚拟手术系统中，为医生提供更准确可靠的依据【。计算机科学的快速发展促进了c t 等数字医学图像技术的发展，医生不仅利用c t 图像进行诊断病情，而且利用计算机的处理能力，分析研究不同病情在c t 图像中数据规律，为医学诊断作出科学指导。2 11c t 图像成像基本原理计算机体层成像c t ( c o m p u t e rt o m o g r a p h y ) 技术是计算机科学在医学领域的重要应用，它是在上世纪6 0 年代由b o u n s f i e l d 设计成功，并且在1 9 7 2 年被公开。一般医学临床所指的c t 是指以x 光为放鳗圈2 1 腹部c t 图像射源而形成的断层图像，称为x 光c 丁，其他还有超声波c t 、核磁共振c t 等，本文所指的第二章基于笔交互的c t 序列图像轮廓提取系统的相关理论c t 图像均指的是x 光c t 。c t 图像具有高密度分辨率，其比一般x 线照片高l o 至u 2 0 倍，因此其非常显著的扩大了人体检查的范围，可以对整个人体进行有效扫描，提高了病变的检出率和诊断的准确率，使得医学影像学快发发展【2 1 1 。图2 1 就是人体的腹部器官的c t 图像。一套完整的c t 系统主要包括扫描部分和先进的图像重建、显示、记录和图像处理系统及操作控制部分，现今的系统还会带有三维重建等辅助软件。c t 成像技术是利用x 光线对人体的某一部分进行一定厚度的层面进行扫描，由于人体的各个组织器官对于x 光线的吸收不同，则探测器会接收到的不同的x 线，然后将接收到的x 光线转变为可见光后由光电转换器转变为电信号，最后将这些模拟数据转化为数字信息后进行处理，则最后得到该层面的各个单位容积的c t 值，以数字矩阵形式被保存到磁光盘中。这些数字矩阵经过数模转换器被转换为像素，其将被计算机经过图像变换后输出。由此可知，c t 图像是一种被重建的图像，其由黑白不同的灰度值的像素按矩阵形式而构成，可以理解为这些像素反映了人体组织器官的不同部分对x 光线的吸收情况，从而反映出同一层面的不同密度的组织器官2 2 1 。不同的c t 装置可以得到的像素大小和数目不同，其大小可以是1 o 1 o m m 或o 5 0 5 m m ，数目可以使2 5 6 2 5 6 或5 1 2 5 1 2 。由此可知，图像的像素越小其数目越多，则其越细致，也就是空间分辨率( s p a t i a lr e s o l u t i o n ) 越高。在实际应用中，c t 值是重要的指标，其单位为h u ( h o u n s f i e l du n i t ) 。如果以水为参照物，定义水的c t 值为o h u ，并且人体中密度最高的骨皮质吸收系数最高，定其c t 值为+ 1 0 0 0 h u ，而空气密度最低，可定义其为- 1 0 0 0 h u ，可以得出人体的各个组织器官的c t 值会分布在一1 0 0 0 h u 到+ 1 0 0 0 h u 之间。例如，肝脏c t 值在5 0 - 7 0 h u 之间，肾脏在2 5 5 0 h u 之间。2 1 2c t 图像的特点c t 图像在采集的过程中，其操作过程方便，病人不会有任何痛苦，并且其分辨率较高，可以显示传统x 光线平片无法显示的器官及病变，其对病变位置、大小、数目非常敏感可靠，因此对于病理性质的诊断上存在一些影响【2 3 1 。比如用x 光线平片对头颅进行扫描，其无法分出脑组织及脑脊液，但c t 图像则可以分辨出脑室系统，更能分辨出脑实质的灰质和白质。并且在造影剂的辅助下，可以得到更高更清晰的c t 图像，这大大扩大了疾病的诊断范畴，同时提高诊断的准确率。虽然c t 图像的分辨率在不断提高，但仍然不能完全满足医生的需求，对于血管病变和消化道腔内病变等效果并不能令人满意。r北大学硬l 学位皓文根据医学c t 图像的成像原理，我们知道c t 图像能准确地测出某一平面的各种不同组织器官间的放射衰减特性的微小差异，并将其用图像或数字的形式显示出来，从而分辨出各种组织器官的不同密度，形成鲜明对比。由于c t 图像的密度分辨率高，其可以很好的显示出软组织构成的器官，比如脊髓、纵隔、肺、肝、胆、胰以及盆部器官等，并可以在解剖图像背景上良好的显示出病变的影像。c t 图像是经过断层扫描的医学图像，常用的是横断面部分，现在c t 仪器的曾后通常为5 眦戚是l o m m ，当然如果需要会选用2 1 r n n 的薄层扫描。要反映一个完整的器官，需要对其进行多个连续的层面扫描。对于c t 设备上的图像重建程序还会重建其相应的冠状面和矢状面的层面图像，为医生提供更多的信息。213 序列c t 图像目前为止，实际应用中的c t 图像大多为6 4 排螺旋c t 进行扫描得到的，其两个扫描层的间距非常小，因此相邻两个层面的图像变化会呈现一定的规律性如图22 ，这个规律为序列国像的自动化分割提供了一定的基础，同时也为图像的三维重建提供了可能性。对于c t 序列图像，我们总结其具有以下的规律性【2 4 】：1 ) 相邻的c t 图像中的目标区域有接近的平均灰度值；2 ) 相邻的c t 图像中的目标区域的灰度分布相似；3 ) 相邻的c t 图像中的目标区域的质心相近；圈2 2 腹部器官的序列图像第二章基于笔交互的c t 序列图像轮廓提取系统的相关理论4 ) 相邻的c t 图像中的目标区域的面积和形状相近。在本文中，我们将利用相邻c t 图像间的这些性质，将前面图像的目标轮廓提取结果作为相邻下层图像的初始化轮廓，实现序列图像的自动化分割。2 2 目标轮廓提取2 1 1 目标轮廓提取的定义轮廓定义为由图像边缘点构成的闭合曲线，是目标图像与背景之间的分割线【2 5 1 。轮廓提取可以理解为图像分割领域的一个延伸和特例，其主要强调是将用户感兴趣的目标区域分割出来，将图像分为内外两个具有不同特征的区域，其一般内部指用户的目标，而外部通常称为背景。在轮廓提取理论中，有图像的边缘( e d g e ) 、边界( b o u n d a r y ) 和目标轮廓【2 司几个重要的概念。图像的边缘，是图像中某些特定像素点的集合。其特征是图像的灰度值在这些点会有显著的变化，即在边缘图像的梯度会取得较大的值。边缘是图像处理中一个较底层的概念，其通常由一些无序的点组成，并且其容易受噪声等的影响而失去其本身的意义。边界则是图像的一种基本特征，其定义为由图像的部分边缘点连接而成的几何图形，用以表示图像中某一个目标的形状。但在数字图像处理领域，这两个都是属于高层概念，没有什么本质区别，其都有目标的高层信息。目标轮廓则强调用户的主观属性，其一般情况下是一段封闭的图形，但其离散模型也可以用有序的离散点来进行表示，而连续模型可以用参数方程或隐式方程来表示。对于本文的研究，主要是提取目标轮廓的边界。2 1 2 目标轮廓提取的方法目标轮廓提取图像分析的基础步骤，多年来很多研究人员都致力于研究出高效的方法，目前已提出了很多的算法。目前，可以分为以下三个类别：1 ) 基于边缘检测的方法。轮廓提取作为图像处理的一个基础部分，其与边缘检测有非常密切的联系。在轮廓提取的过程中，经常会直接利用边缘检测算法来进行简单的轮廓提取，其中具有代表性有三类方法。第一，传统的空域微分算子边缘检测，其是以图像函数的一阶导数或二阶导数作为依据的。这类常用的边缘检测算法有2 7 】：r o b e r t s算子、s o b e l 算子、l a p l a c i a n 算子、l a p l a c e 算子和小波多尺度边缘检测等方法。第二，1 0西北大学硕士学位论文多尺度边缘检测，其在大尺度下检测出真实的边缘点，然后在小尺度下对检测出的点进行进一步的精确定位，从而可以改进了微分算子边缘检测的不足。目前，小波变换是多尺度边缘检测的主要工具，其通过平移和伸缩运算功能对图像进行多尺度分析【2 引，其优点是计算复杂度较低，抗噪能力较强。第三，基于数学形态学【2 9 】的边缘检测，其基本原理就是用具有一定形态的结构元素去度量和提取图像中的相应形状，但其对边缘方向不敏感，并会抑制噪声和检测出真正的边缘。利用相数学形态学技术边缘检测的方法典型的有可选序列滤波器【3 0 】、软化或柔性形态学【3 1 】等。2 ) 基于图像分割算法的方法，很多研究者利用图像分割的算法进行轮廓提取，取得了很好的效果。比如有阈值法、区域生长等方法。其中阈值法相对来说比较简掣3 2 1 ，对于固定阂值范围的器官分割分割有不错效果，然而对灰度变化很大软组织器官的分割基本很难进行。区域生长【3 3 】则是根据灰度或纹理相似性原理将某些象素聚集，其中种子点的位置选择、生长准则和生长顺序则非常关键。由于腹部器官区域内灰度纹理变化很大，很难找到合适的生长准则。3 ) 基于主动轮廓模型的方法，由于图像中噪声、投影等多种不利因素的影响，传统的基于边缘检测和图像分割方法都很难取得很好的提取效果。因此，研究者不断进行改进，提出了很多新的方法。其中，主动轮廓模型突破了传统的计算机视觉的分层理论，为后面轮廓提取方法的研究开阔了新的视野，下节我们将详细介绍主动轮廓模型。2 3g v fs n a k e 模型2 3 1s n a k e 模型1 、算法概述在1 9 8 7 年，k a s s 等人提出了主动轮廓模型( e p s n a k e 模型) ，其为一类目标物体的轮廓提取提供了很好的解决方案，为传统轮廓提取人提供了全新的思维方法。m a r r 3 4 对计算机视觉领域的信息处理过程定义了自底向上的三个层次，信息是由低层向高层单向流动，其致使在处理低层或中间层信息时，仅仅只能从已知的数据本身来获得相应信息，这样的分层使得低层与高层间是割裂的，然而图像处理本身需要高层先验知识的指导才能满足用户的需要，显然传统的独立的三层模型不能适应人们需求的发展。k a s s 等人总结了传统三层模式的缺点【3 5 1 ，通过大量实践认为，在低层图像的处理过程中，需要高层信息的指导，高层的信息能不断修正低层的结果。因此，在此理论框架的指导下，第二章基于笔交互的c r 序列图像轮廓提取系统的相关理论k a s s 等人提出了一个新的图像处理的模型，其将图像低层的灰度、梯度和色彩等信息特征表示为能量，而将高层的先验知识如形状、色彩等同样作为能量，将这两种能量结合成为一个能量函数，通过能量函数来让初试曲线不断逼近目标轮廓，最终达到轮廓提取的效果。2 、基本思想传统的s n a k e 模型是一条可变形的闭合参数曲线。曲线上的点设置了相应的能量函数( 一般包括弹性能量、弯曲能量等) ，通过控制参数变形使需求曲线能量的最小化。在弹性能量、弯曲能量和图像能量等合力的作用下，能量最小的曲线可以达到平衡状态，即就是目标轮廓。根据对s n a k e 模型的闭合曲线的表示的不同，s n a k e 模型可以分为参数( p a r a m e t r i c ) s n a k e 模型和几何式( g e o m e t r i c ) s n a k e 模型【3 6 】。参数式的s n a k e 模型是采用参数形式显示的表示出曲线，而由于其无法自适应地控制曲线拓扑结构等确定，出现了几何式s n a k e 模型，其原理是基于集合曲线演化理论，用水平集隐式表示曲线的模型。x u 研究了这两类s n a k e 模型的关系【3 7 1 。3 、数学模型s n a k e 模型是由内部约束和外部约束共同作用下的变形轮廓线。原始s n a k e 模型参数方程为：v ( s ) = ( x ( s ) ，y ( s ) ) ，s 0 ，1 。其中，v ( s ) 为弧长，x ( s ) 和y ( s ) 分别表示每个控制点在图像中的二维坐标位置，能量函数定义为：le 朋n 妇( v ( s ) ) = i ( ei n t ( 1 ，( s ) ) + e 州( 1 ，( j ) ) ) 如( 2 1 )乞其中，已i m 为s n a k e 模型的内部能量，其公式定义为：et n t ( v ( s ) ) = 喜( 口iy ( s ) 1 2 + iv ”( s ) 1 2 ) d j( 2 2 )占品为外部能量函数，其定义为：e 州( 1 ，( s ) ) = e 1 m a g e ( 1 ，( s ) ) + e c o ? i s 删打( y ( s ) )( 2 3 )在内部能量公式( 2 2 ) 中，1 ，( 引、v ) 分别为曲线的一阶导数和二阶导数。e 缸定义了一个可以伸长和可以弯曲的轮廓( v ( j ) ) 的内部变形能量，其受两个参数的控制：倪控制轮廓的“应力力，其是施加于s n a k e 轮廓曲线上相邻两点的连续约束项系数，用来调节s n a k e 的伸缩力；作用是控制轮廓的刚度。这两个参数控制这模型的物理行为1 2西北大学硕士学位论文及局部连续性，使得ei n t 可以约束s n a k e 轮廓曲线的连续性和平滑性。对于口和两个系数的选择，与图像自身的噪声分布相关，其关系是噪声越大，口和的值要相应的变大，这样可以使s n a k e 轮廓曲线跨越图像噪声所造成的局部极小值位置。其次，参数口和的相对分布又对轮廓收敛的性能有决定作用。参数口控制着轮廓曲线的一阶导矢模分量，其越大，则轮廓收缩速度就会越快；参数相应控制着轮廓曲线二阶导矢模分量，其越大则轮廓越平滑。因此，对于不同的图像，则要选择合适的参数进行调节，目前对于参数的确定还没有统一的标准，在实际操作中，大多