参数化水平集活动轮廓模型的快速图像分割算法

doi:10.12068/j.issn.1005-3026.2019.01.002

东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (1): 6-10.DOI: 10.12068/j.issn.1005-3026.2019.01.002

参数化水平集活动轮廓模型的快速图像分割算法

陈红^1,2，于晓升¹，吴成东¹，孙鹏²

(1. 东北大学机器人科学与工程学院，辽宁沈阳110819; 2. 鞍山师范学院物理科学与技术学院，辽宁鞍山114005)

收稿日期:2017-10-27 修回日期:2017-10-27 出版日期:2019-01-15 发布日期:2019-01-28
通讯作者: 陈红
作者简介:陈红(1978-)，女，辽宁辽中人，东北大学博士研究生，鞍山师范学院副教授; 吴成东(1960-)，男，辽宁大连人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61503274， 61603080).

Fast Image Segmentation Algorithm Based on Parametric Level Set Active Contour Model

CHEN Hong^1,2， YU Xiao-sheng¹， WU Cheng-dong¹， SUN Peng²

1. School of Robot Science and Engineering， Northeastern University， Shenyang 110819， China; 2. College of Physics Science and Technology， Anshan Normal University， Anshan 114005， China.

Received:2017-10-27 Revised:2017-10-27 Online:2019-01-15 Published:2019-01-28
Contact: CHEN Hong
About author:-
Supported by:
-

摘要/Abstract

摘要： 为了提高图像分割的速度，提出一种参数化水平集活动轮廓模型的快速图像分割算法.该算法中的水平集函数由参数向量确定，而非带符号距离函数，降低了水平集函数的维度.将参数化的水平集函数嵌入到经典的LGDF(local Gaussian distribution fitting)模型中进行图像分割，不需要重新初始化和额外的正则项，同时可选择较大迭代步长.实验结果表明:所提方法能够有效地分割超声、CT和核磁等医学图像，与带有正则项的分割算法LGDF和最近提出的快速分割算法MSLCV相比，在保证分割精度的同时，计算速度得到了明显提高.

关键词: 水平集, 活动轮廓模型, 图像分割, LGDF模型, MSLCV模型

Abstract: In order to improve the segmentation speed， a fast image segmentation method based on parametric level set active contour model was proposed. The level set function was determined by the parameter vector， rather than the signed distance function， which reduces the dimension of the level set function. The parametric level set function was embedded into the classical LGDF(local Gaussian distribution fitting) segmentation algorithm， and it does not need to be re-initialized or additional regular terms， and it can choose larger step length. The experiment results show that the proposed method can effectively segment medical images such as ultrasound， CT and MR medical images. Compared with the LGDF model with regular terms and the recently proposed fast segmentation algorithm MSLCV， in the case of similar segmentation accuracy， the calculation speed of the proposed method is improved obviously.

Key words: level set, active contour model, image segmentation, LGDF model, MSLCV model

中图分类号:

TP391.41

陈红，于晓升，吴成东，孙鹏. 参数化水平集活动轮廓模型的快速图像分割算法[J]. 东北大学学报:自然科学版, 2019, 40(1): 6-10.

CHEN Hong， YU Xiao-sheng， WU Cheng-dong， SUN Peng. Fast Image Segmentation Algorithm Based on Parametric Level Set Active Contour Model[J]. Journal of Northeastern University Natural Science, 2019, 40(1): 6-10.

参考文献

[1]Kass M，Witkin A，Terzopoulos D.Snakes:active contour model［J］.International Journal of Computer Vision，1988，1(4):321-331.
[2]Caselles V，Kimmel R，Sapiro G.Geodesic active contours［J］.International Journal of Computer Vision，1997，22(1):61-79.
[3]Chan T，Vese L.Active contours without edges［J］.IEEE Transactions on Image Processing，2001，10(2):266-277.
[4]Li C，Kao C，Gore J，et al.Implicit active contours driven by local binary fitting energy［C］//IEEE Conference on Computer Vision and Pattern Recognition.Minneapolis，2007:1-7.
[5]Li C，Kao C，Gore J，et al.Minimization of region-scalable fitting energy for image segmentation［J］.IEEE Transactions on Image Processing，2008，17(10):1940-1949.
[6]Wang L，He L，Mishra A，et al.Active contours driven by local Guassian distribution fitting energy［J］.Signal Processing，2009，89(12):2435-2447.
[7]Li C，Huang R，Ding Z，et al.A level set method for image segmentation in the presence of intensity inhomogeneities with application to MRI［J］.IEEE Transactions on Image Processing，2011，20(7):2007-2016.
[8]Sethian J.A fast marching level set method for monotonically advancing fronts［C］//Proceedings of the National Academy of Sciences.Washington D C，1996:1591-1595.
[9]Osher S，Burger M，Goldfarb D，et al.An iterative regularization method for total variation-based image restoration［J］.Multi-scale Modeling and Simulation，2005，4(2):460-489.
[10]Liao X，Yuan Z，Zheng Q，et al.Multi-scale and shape constrained localized region-based active contour segmentation of uterine fibroid ultrasound image in HIFU therapy［J］.PloS One，2014，9(7):303-334.
[11]Ramesh N，Mesadi F，Cetin M，et al.Disjunctive normal shape models［C］//Proceedings of the IEEE International Symposium on Biomedical Imaging.New York，2015:1535-1539.
[12]Dietenbeck T，Alessandrini M，Friboulet D，et al.CREASEG:a free software for the evaluation of image segmentation algorithms based on level-set［C］//Proceedings of the IEEE International Conference on Image Processing.Hong Kong，2010:665-668.

[1]	魏颖，林子涵，齐林，李伯群. 基于空间自注意力机制和深度特征重建的脑MR图像分割方法[J]. 东北大学学报（自然科学版）, 2023, 44(2): 177-185.
[2]	张田，田勇，王子，王昭东. 基于清晰度评价的自适应阈值图像分割法[J]. 东北大学学报:自然科学版, 2020, 41(9): 1231-1238.
[3]	胡晟，廖子薇，蔡露，姜潇潇. T形微流控芯片液滴成形与细胞封装的理论[J]. 东北大学学报:自然科学版, 2020, 41(3): 452-456.
[4]	佘黎煌，郭一蓉，张石. 基于方向分数和Frangi滤波器的视网膜血管分割算法[J]. 东北大学学报:自然科学版, 2020, 41(2): 182-187.
[5]	冯宝，李昌林，李智，刘壮盛. 基于活动轮廓模型和影像组学的乳腺癌LVI状态预测[J]. 东北大学学报:自然科学版, 2020, 41(2): 193-199.
[6]	胡晟，刘鑫琦，吕晓永，吴东旭. 基于水平集方法的共轴流型液滴形态关键参数研究[J]. 东北大学学报:自然科学版, 2020, 41(12): 1686-1691.
[7]	马树军，方锐. 数字全息显微中的相位像差自动补偿算法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1591-1595.
[8]	卢绍文，李鹏琦，郑秀萍，郭章. 动态火焰图像分割及在电熔镁炉视频监控中的应用[J]. 东北大学学报:自然科学版, 2019, 40(2): 153-158.
[9]	李明，史艺涛，李鑫，梁力. 基于水平集法的三维非均质岩石建模及水力压裂特性[J]. 东北大学学报:自然科学版, 2019, 40(1): 109-114.
[10]	宫照煊，覃文军，郭薇，赵大哲. 改进的局部扩展拟合图像分割方法[J]. 东北大学学报:自然科学版, 2018, 39(4): 483-487.
[11]	李宏，孙航，刘圣楠，潘诗农. 基于3D-CT图像的髋脱位定量智能诊断方法[J]. 东北大学学报:自然科学版, 2018, 39(2): 190-194.
[12]	魏颖，张开，韩枫. 改进的基于ASFCM婴幼儿脑部MRI分割算法[J]. 东北大学学报:自然科学版, 2017, 38(8): 1079-1084.
[13]	朴春赫，曹鹏，赵海，朱宏博. 基于CV模型与改进ME模型的肺癌检测算法[J]. 东北大学学报:自然科学版, 2017, 38(5): 639-644.
[14]	于晓升，胡楠. 基于局部灰度聚类的高斯分布拟合模型[J]. 东北大学学报:自然科学版, 2017, 38(2): 185-189.
[15]	徐礼胜，郭增智，覃文军，王璐. 心脏核磁共振图像左心室底层组织分割方法[J]. 东北大学学报:自然科学版, 2017, 38(10): 1383-1387.

参数化水平集活动轮廓模型的快速图像分割算法

Fast Image Segmentation Algorithm Based on Parametric Level Set Active Contour Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价