基于优化蚁群算法的Snake模型在医学图像分割中的应用研究

• 作 者: 巩向普
• 机 构: 江苏大学
• 出 处: 江苏大学
• 发表日期: 2008年01期
• 关键词: 医学图像分割 活动轮廓(Snake)模型 蚁群算法 遗传算法

医学图像是反映人体生物组织的复杂图像,图像信息量大,处理困难。医学图像分割是医学图像研究的一个关键环节,对临床医学的应用和发展有着巨大的实用价值。医学图像主要包括X射线断层(Computed Tomography,CT)、超声、核磁共振(Nuclear Magnetic Resonance Imaging,MRI)等图像,其在人体内部组织器官的定量分析、实时监控和治疗规划等方面都具有重要的作用。利用医学图像进行诊断时,常根据需要将特定的组织器官或感兴趣的区域(Region of Interesting,ROI)提取出来,以便更好地对其进行分析和诊断,这个过程就是图像分割。由于医学图像本身分辨率较低、对比度较低,以及固有噪声的影响,使用传统的图像分割方法很难达到要求。如何在计算机辅助下,精确地、自适应分割地提取影像中包含的信息来满足医学图像处理的要求,是图像分析专家需要解决的关键问题。本文首先介绍了图像分割的基本原理、现状和分类,以及一些常规的分割方法。然后对Snake模型的主要方法以及其对医学图像的分割结果进行了分析。针对Snake模型在凹陷轮廓、局部最优、收敛速度和分割精度等方面存在的不足,本文从以下方面展开工作:(1)针对蚁群算法由于初始信息素匮乏易陷于局部最优解,把鱼群的拥挤度函数引入到蚁群算法中,实验结果表明加入拥挤度函数的蚁群算法增加了算法的遍历能力,提高了蚁群算法寻找全局最优解的能力。(2)改进了传统的遗传算法和蚁群算法分步起作用的结合方式,基本思想是用遗传算法优化每一次迭代的蚂蚁,使其作用于整个搜索寻优的过程,而不同于传统的分步结合方式,实验结果表明本文改进的混合算法在收敛速度、最优解的精度方面比传统的结合方式有优势。(3)为防止Snake模型陷入局部最优,把优化的蚁群算法应用到Snake模型中,增加其全局搜索性。实验结果表明本文的基于优化蚁群算法的Snake分割方法比单独Snake方法在寻求全局最优解的精度方面有优势。