网络环境下多尺度活动轮廓模型动态分割技术研究

Dynamic segmentation for medical image series in network environment is one of the basic and key issues in telemedical system. Accuracy and speed are both the most challenging problems. Medical images usually have noise, blurred edges and motion artifacts. To obtain the accurate boundaries of objects rapidly, the research firstly focuses on the acquisition of edge energies and the deformation estimation of human organ and tissue, then studies the key problems in dynamic segmentation based on the multiscale geometric transform and the active contour model for medical image series systematically. The research work includes: 1. The acquisition of edge energies is studied based on multiscale geometric transform to extract edge energies from multiscale subbands of noisy images efficiently; 2. Combined by multiscale edge energies, the multiscale active contour model is constructed to avoid the boundary leakage and obtain the accurate boundaries in key frames; 3. Based on the deformation estimation and the segmentation results of key frames, the precise and rapid dynamic segmentation for image series is explored to locate objects precisely and rapidly; 4. According to the decorrelation performance among directional subbands, the relationship of modules in dynamic segmentation is discussed to implement the parallel and distributed computation in network environment. The contributions of the research will provide several new theories and algorithms for dynamic segmentation in network environment, and present a series of practical, fast and robust new technologies for the relative applications.

网络环境下动态分割是远程医疗系统的基础和关键环节。而精度和速度是目前该课题最具挑战的问题。本项目以边缘能量获取和形变运动估计为切入点，基于多尺度几何变换和活动轮廓模型，对含噪、弱边界医学图像动态分割中的关键问题进行系统研究。包括：1、基于多尺度几何变换，研究图像边缘能量的提取，实现多尺度边缘能量的准确获取，提高抗噪能力；2、融合多尺度边缘能量，构建多尺度活动轮廓模型，改善活动轮廓模型的边界泄漏问题，实现关键帧图像的准确分割；3、针对人体器官，基于关键帧分割结果和形变运动估计，研究图像序列的动态分割技术，实现低信噪比、弱边界、伪影图像序列的准确、快速分割；4、根据各方向子带间去相关性，研究动态分割中各模块关系，实现网络环境下动态分割的并行与分布式计算。本项目研究成果，将为网络环境下医学图像动态分割研究提供新的理论和算法，为相关应用领域中分割问题的解决提供一系列实用、快速和鲁棒的新技术。

动态分割是医学图像处理、计算机视觉和计算机动画等领域的共性问题和关键技术。边缘、纹理等方向信息是图像分割中的重要特征。多尺度几何变换具有多尺度、多方向和各向异性等优点，能够准确捕捉图像中的边缘轮廓信息，可以实现方向特征的有效提取，并表现出良好的抗噪能力。本项目以边缘能量提取和区域变形跟踪为切入点，基于多尺度几何变换和非局部自相似性，研究含噪图像序列分割的若干关键问题。主要研究成果如下：. 1. 建立符合各向异性特征的多尺度边缘能量估计方法。根据图像轮廓波子带内各向异性的边缘能量聚类特性，将传统的方形窗能量估计方法改进为椭圆形的自适应方向窗能量估计方法，捕捉的邻域系数相关性强，可以有效提取噪声环境下的边缘能量。将其应用于含噪信号的复原问题，提高了去噪时的边缘保持。. 2. 构造多尺度方向相似性度量方法。为度量图像块的方向相似性，使用图像的轮廓波子带系数来替换图像本身的灰度值，基于欧式距离，提出一种非局部方向相似性度量方法。该方法可以甄别具有相同方向信息的更为相似的图像块，实现图像块的方向相似性度量，提高噪声环境下的相似性度量的准确度，有效地保持了边缘细节和纹理信息。. 3. 提出一种基于分区域变形的动态序列快速跟踪方法。基于子区域分割，对每个子区域估算一个非刚体变换。分区域变形显著减少了变形优化求解中涉及的未知量数目，极大提高了运算速度，并节省了存储空间。在求解非刚体变换的目标函数中引入的法向约束条件，可保证方法在提高速度的同时，仍能达到较好的匹配精度。. 4. 探讨高精度医学图像重建优化方法。为得到更为精确的点采样切片，基于人体组织特征，对医学CT切片图像进行区域划分；对划分区域，应用二次样条曲线拟合，通过建立的区域采样和点采样之间的映射关系，获取更为精确的点采样值，提高图像重构质量。基于新数据的图像重建质量得到了明显提高，图像的细节信息更加丰富。. 本项目还对网络环境下视频数据的转换、深度视频增强及有理函数图像插值进行了研究。本项目共发表学术论文8篇，其中SCI期刊论文5篇，EI期刊论文5篇，国际高水平会议论文1篇；获得科研奖励3项，申请专利4项，登记软件著作权1项。这些成果为多尺度动态分割研究提供了新的思路和方法，有较好的理论意义和应用价值。