由于肺癌PET成像質(zhì)量較低且待分割區(qū)域邊界沒(méi)有明顯的灰度差,使得基于顏色特征的圖像分割算法不能做到有效分割。提出了結(jié)合偽彩色與上下文感知的肺癌PET圖像分割算法。首先,將原始的肺癌PET圖像根據(jù)彩色查找表生成對(duì)應(yīng)的偽彩圖;然后,使用改進(jìn)的上下文感知模型獲得偽彩圖對(duì)應(yīng)的顯著圖,并采用大津法對(duì)顯著圖進(jìn)行二值化處理,初始化顯著圖的分割區(qū)域;最后,使用改進(jìn)的Grab Cut算法迭代分割圖像。算法應(yīng)用于肺癌的PET圖像分割。實(shí)驗(yàn)結(jié)果表明,該算法有效提升肺癌PET圖像的分割效率、提升分割精度,取消Grab Cut算法、Snake算法的用戶(hù)操作,實(shí)現(xiàn)圖像分割自動(dòng)化,具有較高的可靠性、執(zhí)行效率、以及實(shí)際應(yīng)用價(jià)值。
【部分圖文】：

法相比較，本文算法的分割結(jié)果最接近真實(shí)分割。圖3PET1和PET2的標(biāo)準(zhǔn)分割與本文分割圖(a1)PET1(a2)標(biāo)準(zhǔn)分割(a3)本文算法(b1)PET2(b2)標(biāo)準(zhǔn)分割(b3)本文算法圖4對(duì)比算法的PET1和PET2圖像分割結(jié)果(a1)GrabCut(a2)Snake(a3)CA鄄GrabCut(ｂ1)GrabCut(ｂ2)Snake(ｂ3)CA鄄GrabCut本文采用三個(gè)評(píng)價(jià)指標(biāo)［12］衡量不同算法的圖像分割效果。評(píng)價(jià)指標(biāo)為:過(guò)分割率(oversegmentationrate，OＲ)、欠分割率(undersegmentationrate，UＲ)、總體誤差率(overallerrorrate，EＲ)，計(jì)算結(jié)果為百分比，公式如下:OＲ=Qp/Dp(11)UＲ=Up/Dn(12)EＲ=(Qp+Up)/(Dp+Dn)(13)其中:Dp為該類(lèi)的像素點(diǎn)集合，Dn為非該類(lèi)的像素點(diǎn)集合，Qp為沒(méi)有劃分到該類(lèi)的目標(biāo)像素點(diǎn)集合，Up為錯(cuò)誤劃分到該類(lèi)的像素點(diǎn)集合。OＲ和UＲ越大，則圖像分割結(jié)果的過(guò)分割與欠分割越嚴(yán)重，EＲ越大則分割誤差越大;三個(gè)指標(biāo)越小，算法的分割效果越好。表1OＲ評(píng)價(jià)指標(biāo)圖像SnakeGrabCutCA-GrabCut本文算法PET12．93．817．64．2PET21．15．435．22．9表2UＲ評(píng)價(jià)指標(biāo)圖像SnakeGrabCutCA-GrabCut本文算法PET145．336．81．43．3PET240．127．60．32．1表3EＲ評(píng)價(jià)指標(biāo)圖像SnakeGrabCutCA-GrabCut本文算法PET130．623．411．53．4PET228．122．718．82．3根據(jù)表3中的數(shù)據(jù)，本文算法圖像分割的正確率明顯優(yōu)于其他三種算法。Snake算法與GrabCut算法在圖像分割中，出現(xiàn)了明顯的欠分割，分割結(jié)果包含大量的背景區(qū)域;CA-Grab-Cut算法的分割結(jié)果出現(xiàn)了嚴(yán)重的過(guò)收斂，部分目標(biāo)區(qū)域被劃分到背景區(qū)域中。本文算法的分割結(jié)果，最接近標(biāo)準(zhǔn)分割，總體誤差率在4%以下，而其他三種算法的整體誤差率均超過(guò)了11%。在本文實(shí)驗(yàn)的30幅肺癌PET圖像，實(shí)驗(yàn)

法相比較，本文算法的分割結(jié)果最接近真實(shí)分割。圖3PET1和PET2的標(biāo)準(zhǔn)分割與本文分割圖(a1)PET1(a2)標(biāo)準(zhǔn)分割(a3)本文算法(b1)PET2(b2)標(biāo)準(zhǔn)分割(b3)本文算法圖4對(duì)比算法的PET1和PET2圖像分割結(jié)果(a1)GrabCut(a2)Snake(a3)CA鄄GrabCut(ｂ1)GrabCut(ｂ2)Snake(ｂ3)CA鄄GrabCut本文采用三個(gè)評(píng)價(jià)指標(biāo)［12］衡量不同算法的圖像分割效果。評(píng)價(jià)指標(biāo)為:過(guò)分割率(oversegmentationrate，OＲ)、欠分割率(undersegmentationrate，UＲ)、總體誤差率(overallerrorrate，EＲ)，計(jì)算結(jié)果為百分比，公式如下:OＲ=Qp/Dp(11)UＲ=Up/Dn(12)EＲ=(Qp+Up)/(Dp+Dn)(13)其中:Dp為該類(lèi)的像素點(diǎn)集合，Dn為非該類(lèi)的像素點(diǎn)集合，Qp為沒(méi)有劃分到該類(lèi)的目標(biāo)像素點(diǎn)集合，Up為錯(cuò)誤劃分到該類(lèi)的像素點(diǎn)集合。OＲ和UＲ越大，則圖像分割結(jié)果的過(guò)分割與欠分割越嚴(yán)重，EＲ越大則分割誤差越大;三個(gè)指標(biāo)越小，算法的分割效果越好。表1OＲ評(píng)價(jià)指標(biāo)圖像SnakeGrabCutCA-GrabCut本文算法PET12．93．817．64．2PET21．15．435．22．9表2UＲ評(píng)價(jià)指標(biāo)圖像SnakeGrabCutCA-GrabCut本文算法PET145．336．81．43．3PET240．127．60．32．1表3EＲ評(píng)價(jià)指標(biāo)圖像SnakeGrabCutCA-GrabCut本文算法PET130．623．411．53．4PET228．122．718．82．3根據(jù)表3中的數(shù)據(jù)，本文算法圖像分割的正確率明顯優(yōu)于其他三種算法。Snake算法與GrabCut算法在圖像分割中，出現(xiàn)了明顯的欠分割，分割結(jié)果包含大量的背景區(qū)域;CA-Grab-Cut算法的分割結(jié)果出現(xiàn)了嚴(yán)重的過(guò)收斂，部分目標(biāo)區(qū)域被劃分到背景區(qū)域中。本文算法的分割結(jié)果，最接近標(biāo)準(zhǔn)分割，總體誤差率在4%以下，而其他三種算法的整體誤差率均超過(guò)了11%。在本文實(shí)驗(yàn)的30幅肺癌PET圖像，實(shí)驗(yàn)

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 陳林偉;吳向平;;結(jié)合顯著性的GrabCut及在骨髓細(xì)胞圖像分割中的應(yīng)用[J];中國(guó)計(jì)量學(xué)院學(xué)報(bào);2014年01期

2 畢曉君;肖婧;;差分進(jìn)化算法GVF Snake模型在PET圖像分割中的應(yīng)用[J];中國(guó)圖象圖形學(xué)報(bào);2011年03期

3 崔顥;余瑞星;王維語(yǔ);;基于偽彩色的感興趣目標(biāo)檢測(cè)方法[J];航空計(jì)算技術(shù);2011年02期

4 周勝安;;一種基于前景物形態(tài)的GrabCut改進(jìn)算法[J];電腦知識(shí)與技術(shù);2010年33期

5 謝從華;朱峰;王立軍;武園園;;基于密度聚類(lèi)的醫(yī)學(xué)圖像分割DCMIS[J];計(jì)算機(jī)應(yīng)用研究;2007年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 戴慶焰;朱仲杰;段智勇;李偉杰;;基于超像素和改進(jìn)迭代圖割算法的圖像分割[J];計(jì)算機(jī)工程;2016年07期

2 夏海英;肖雯靜;薛茗月;;微流控芯片下的單細(xì)胞輪廓定位與提取[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年02期

3 庾鵬;王旭;仝天樂(lè);王秀超;;基于GrabCut算法和四幀差分法的目標(biāo)提取算法[J];微型機(jī)與應(yīng)用;2016年11期

4 蔡舒妤;師利中;;基于改進(jìn)混沌差分進(jìn)化算法的機(jī)體損傷區(qū)域劃分[J];計(jì)算機(jī)工程;2015年11期

5 陳駿;劉曉利;;基于分形的改進(jìn)Grabcut目標(biāo)自動(dòng)分割[J];計(jì)算機(jī)工程與應(yīng)用;2017年01期

6 張靜林;高紅;馬寶英;;一種改進(jìn)的梯度矢量流Snake側(cè)腦室分割算法[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2015年05期

7 薄萍萍;宮汝江;;一種OFDM多帶聯(lián)合頻譜感知新算法[J];電子科技;2015年08期

8 呼延秀娟;梁英;;基于光流場(chǎng)和Grabcut算法融合的運(yùn)動(dòng)目標(biāo)分割[J];電子技術(shù);2015年02期

9 黃淑英;楊勇;;基于改進(jìn)各向異性擴(kuò)散沖擊濾波器模型的圖像去噪[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年09期

10 柳歡歡;姚明海;王憲保;;基于小波變換的GrabCut圖像分割[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2014年08期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 劉毅;黃兵;孫懷江;夏德深;;結(jié)合CS-LBP紋理特征的快速圖割算法[J];計(jì)算機(jī)科學(xué);2013年05期

2 崔鳳;潘晨;吳向平;徐軍;;主動(dòng)學(xué)習(xí)的白細(xì)胞圖像自動(dòng)分割[J];中國(guó)圖象圖形學(xué)報(bào);2012年08期

3 任繼軍;何明一;;基于粒子群優(yōu)化算法的改進(jìn)Snake模型的圖像分割方法[J];中國(guó)圖象圖形學(xué)報(bào);2008年09期

4 謝從華;朱峰;王立軍;武園園;;基于密度聚類(lèi)的醫(yī)學(xué)圖像分割DCMIS[J];計(jì)算機(jī)應(yīng)用研究;2007年02期

5 駱國(guó)程,趙永界;PET圖像中基于形態(tài)學(xué)和樣條模型方法進(jìn)行心臟的邊緣提取[J];CT理論與應(yīng)用研究;2002年03期

6 楊曉敏，羅立民，韋鈺;血液白細(xì)胞計(jì)算機(jī)分類(lèi)中的特征提取研究[J];應(yīng)用科學(xué)學(xué)報(bào);1994年02期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 康莊;鄧曉剛;呂慶文;;基于“催化劑”的圖像分割算法研究[J];醫(yī)療衛(wèi)生裝備;2007年11期

2 趙海英;彭宏;楊一帆;;基于邊緣形態(tài)變換的彩色織物圖像分割算法[J];中國(guó)體視學(xué)與圖像分析;2011年01期

3 林盤(pán),鄭崇勛,楊勇,閻相國(guó),顧建文;一種魯棒的人腦組織核磁共振圖像分割算法研究[J];電子與信息學(xué)報(bào);2005年09期

4 白楊;;基于SAPSO優(yōu)化三維Otsu方法的醫(yī)學(xué)圖像分割算法(英文)[J];中國(guó)組織工程研究與臨床康復(fù);2008年22期

5 馬義德,戴若蘭,李廉,吳承虎;生物細(xì)胞圖像分割技術(shù)的進(jìn)展[J];生物醫(yī)學(xué)工程學(xué)雜志;2002年03期

6 鄧富強(qiáng);龐全;;一種改進(jìn)的模糊C-均值(FCM)彩色圖像分割算法[J];機(jī)電工程;2010年09期

7 李彬;陳武凡;;基于馬爾可夫場(chǎng)的多發(fā)性硬化癥MR圖像分割算法[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年04期

8 陳姿羽;黃靖;李偉鵬;;一種改進(jìn)的自適應(yīng)譜聚類(lèi)圖像分割算法[J];南方醫(yī)科大學(xué)學(xué)報(bào);2012年05期

9 趙英紅;胡磊;孫存杰;平杰;;一種自適應(yīng)宮頸細(xì)胞顯微圖像分割算法[J];軍事醫(yī)學(xué);2012年12期

10 李s

本文編號(hào)：2807753