圖像信息提取在醫(yī)學(xué)病灶處理中的應(yīng)用

摘要受圖像學(xué)和視覺(jué)注意機(jī)制研究成果的啟發(fā)，本文提出了一種基于圖像感興趣區(qū)域的一種檢測(cè)方法:首先通過(guò)度量統(tǒng)計(jì)每一個(gè)像素點(diǎn)的屬性，使用判斷像素值與其均值偏離程度的角度，對(duì)圖像進(jìn)行分割，通過(guò)對(duì)顯著點(diǎn)的擴(kuò)充達(dá)到對(duì)醫(yī)學(xué)病灶圖像更好的分析效果，該方法已應(yīng)用于多幅醫(yī)學(xué)圖像的實(shí)驗(yàn)，其結(jié)果證實(shí)該模型的檢測(cè)效果較好，較能達(dá)到相關(guān)專業(yè)人士預(yù)期的效果，為醫(yī)學(xué)界的研究和發(fā)展提供了幫助。

中圖分類號(hào):TP39文獻(xiàn)標(biāo)識(shí)碼:A

0 引言

數(shù)字圖像和互聯(lián)網(wǎng)的飛速發(fā)展，人們對(duì)圖像信息的檢索需求不斷擴(kuò)大，基于內(nèi)容的圖像信息提取是目前國(guó)內(nèi)外的一個(gè)研究熱點(diǎn)，圖像作為重要的信息載體，一方面對(duì)于傳遞信息給我們帶來(lái)了很大的方便，但另一方面其與日俱增的龐大的數(shù)據(jù)量，給圖像的人工分析帶來(lái)了很大的困難，所以人們想到使用計(jì)算機(jī)自動(dòng)處理圖像信息，在該領(lǐng)域的研究中，研究者們發(fā)現(xiàn)，圖像的觀察者只對(duì)圖像的某一部分感興趣，在醫(yī)學(xué)中，醫(yī)生只對(duì)病變部位感興趣，如果能提取出這些區(qū)域?qū)⒋蟠筇岣邎D像處理和分析的效率與準(zhǔn)確度，所以ROVC(Regions of Interest CC)技術(shù)因此應(yīng)運(yùn)而生，本算法研究的重點(diǎn)在于如何根據(jù)圖像本身的信息找出圖像中的重要部分，本文首先對(duì)ROVC進(jìn)行深入探討，然后對(duì)ROVC技術(shù)的應(yīng)用前景進(jìn)行了展望。

1 感興趣區(qū)域自動(dòng)提取

文獻(xiàn)2用顯著點(diǎn)的分布情況作為判斷感興趣區(qū)域的依據(jù)，顯著點(diǎn)主要分布在圖像中灰度變化明顯的地方，對(duì)于淺景圖像和簡(jiǎn)單背景圖像來(lái)說(shuō)，顯著點(diǎn)能夠比較集中地分布在圖像中的物體邊緣，以及物體內(nèi)部灰度變換劇烈的地方，而背景區(qū)域的顯著點(diǎn)很少，因而可以根據(jù)顯著點(diǎn)的分布來(lái)判斷圖像的感興趣區(qū)域，從而提取有用的信息。

本文就在文獻(xiàn)2的基礎(chǔ)上為了更好的對(duì)醫(yī)學(xué)病灶圖像進(jìn)行分析和處理，提出了基于視覺(jué)注意的ROVC檢測(cè)方法;該方法主要通過(guò)像素屬性分析從而提取感興趣部分，圖1給出了整個(gè)感興趣區(qū)檢測(cè)方法的框圖。

本文主要針對(duì)醫(yī)學(xué)圖像中，某些器官局部部位或者某些病灶的信息進(jìn)行處理，如圖2所示因?yàn)檫@些圖像相對(duì)來(lái)講感興趣區(qū)域范圍比較小，所以根據(jù)每一個(gè)像素點(diǎn)的屬性，采用擴(kuò)充并均衡化的方法，是像素點(diǎn)密度增強(qiáng)，從而能夠更好的達(dá)到醫(yī)學(xué)類圖片信息的提取

2 本文算法

2.1 對(duì)感興趣區(qū)域的自動(dòng)提取方法的改進(jìn)

本文算法用由顯著點(diǎn)擴(kuò)展而來(lái)的標(biāo)記點(diǎn)作為感興趣區(qū)域的判斷依據(jù)，主要由像素點(diǎn)屬性分析、區(qū)域均值計(jì)算及判斷像素點(diǎn)的偏離程度來(lái)擴(kuò)充像素點(diǎn)三部分組成。文章在文獻(xiàn)ii的基礎(chǔ)上提取圖像的感興趣區(qū)域，因?yàn)閳D像中每一個(gè)像素點(diǎn)與圖像均值的偏離程度不同，通過(guò)仿真實(shí)驗(yàn)設(shè)置出一個(gè)ROVC參數(shù)K，只要像素點(diǎn)的像素值小于ROVC參數(shù)，就自動(dòng)在此像素點(diǎn)增強(qiáng)，濾波處理，顏色空間轉(zhuǎn)換，設(shè)置閾值，感興趣區(qū)域提取，圖像復(fù)原

2.2 算法流程

A原始圖像增強(qiáng)

①計(jì)算出圖像中每一個(gè)像素點(diǎn)的像素值 f (x，y);

②假設(shè)圖像中像素點(diǎn)的個(gè)數(shù)為n，計(jì)算出整幅圖像的像素均值m;

③根據(jù)均值m和像素點(diǎn)f(x，y)的像素值，可以均衡出圖像中每一個(gè)像素點(diǎn)與其均值的偏離程度，

④iff(i，j)f’(i+1，j) = f(i，j) + m(1，1)/10;

f’(i+1，j+1) = f(i，j) + m(1，1)/10;

B圖像顯著圖

① 將增強(qiáng)后的圖像轉(zhuǎn)換成分辨率為512*512的圖像以方便可視化及其專業(yè)處理。

②濾波任何圖像都會(huì)有噪聲和失真，本文采用中值濾波以避免圖像細(xì)節(jié)的模糊同時(shí)也保護(hù)圖像邊緣，濾除隨機(jī)脈沖噪聲，濾波后的圖像輪廓比較清晰。

③顏色空間轉(zhuǎn)換 由于HIS顏色空間是從人的視覺(jué)角度出發(fā)，色調(diào)飽和度及其亮度來(lái)描述顏色，它比RGB顏色空間更具有可視性，因此處理后的圖像本文將RGB顏色空間轉(zhuǎn)換到HIS顏色空間。

④顯著圖的生成。(下轉(zhuǎn)第125頁(yè))(上接第96頁(yè))

C感興趣區(qū)域提取

①閾值分割

f(x)=0S(x)

f(x)=1S(x)≥threshold(6)

threshold=E(S)

②顯著圖鎖定

③圖像恢復(fù)

將2.2-A算法逆轉(zhuǎn)，去掉擴(kuò)充像素信息，回復(fù)原始像素點(diǎn)。

3 實(shí)驗(yàn)結(jié)果和結(jié)論

4 結(jié)論

(1)可以看出，對(duì)于醫(yī)學(xué)圖像本文算法還能較好的顯示出圖像中的感興趣區(qū)域，尤其是是對(duì)于類似這種簡(jiǎn)單的背景圖像，本文方法更加明顯，當(dāng)然，本文所提方法還比較初步，主要解決的是針對(duì)背景圖像較為簡(jiǎn)單的圖像，對(duì)于圖像復(fù)雜度較高的圖像還需要進(jìn)一步改進(jìn)，如何使用顏色信息、如何進(jìn)一步提高感興趣區(qū)域和背景的區(qū)分度等。

(2)同區(qū)域增長(zhǎng)算法提取顯著區(qū)域運(yùn)行時(shí)間的比較:

基于像素的區(qū)域生長(zhǎng)法:8.5369375

基于子區(qū)域的區(qū)域生長(zhǎng)算法:5.0584375

本文算法:4.57162

參考文獻(xiàn)

[1]張紅梅，卞正中，郭佑民.感興趣區(qū)域高效提取算法[J].軟件學(xué)報(bào)，2005.16(1): 77-88.

[2]桂長(zhǎng)青，宋余慶，陳健美.基于環(huán)形分割的醫(yī)學(xué)圖像檢索[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2008.29(2):155-159.

[3]HIRANO S， TSUMOTO S. Rough representation of a region of interest inmedical images[J].International Journal of Approxmi ate Reasoning，2005.24(4):23-34.