圖像信息提取在醫學病灶處理中的應用

摘要受圖像學和視覺注意機制研究成果的啟發，本文提出了一種基于圖像感興趣區域的一種檢測方法:首先通過度量統計每一個像素點的屬性，使用判斷像素值與其均值偏離程度的角度，對圖像進行分割，通過對顯著點的擴充達到對醫學病灶圖像更好的分析效果，該方法已應用于多幅醫學圖像的實驗，其結果證實該模型的檢測效果較好，較能達到相關專業人士預期的效果，為醫學界的研究和發展提供了幫助。

中圖分類號:TP39文獻標識碼:A

0 引言

數字圖像和互聯網的飛速發展，人們對圖像信息的檢索需求不斷擴大，基于內容的圖像信息提取是目前國內外的一個研究熱點，圖像作為重要的信息載體，一方面對于傳遞信息給我們帶來了很大的方便，但另一方面其與日俱增的龐大的數據量，給圖像的人工分析帶來了很大的困難，所以人們想到使用計算機自動處理圖像信息，在該領域的研究中，研究者們發現，圖像的觀察者只對圖像的某一部分感興趣，在醫學中，醫生只對病變部位感興趣，如果能提取出這些區域將大大提高圖像處理和分析的效率與準確度，所以ROVC(Regions of Interest CC)技術因此應運而生，本算法研究的重點在于如何根據圖像本身的信息找出圖像中的重要部分，本文首先對ROVC進行深入探討，然后對ROVC技術的應用前景進行了展望。

1 感興趣區域自動提取

文獻2用顯著點的分布情況作為判斷感興趣區域的依據，顯著點主要分布在圖像中灰度變化明顯的地方，對于淺景圖像和簡單背景圖像來說，顯著點能夠比較集中地分布在圖像中的物體邊緣，以及物體內部灰度變換劇烈的地方，而背景區域的顯著點很少，因而可以根據顯著點的分布來判斷圖像的感興趣區域，從而提取有用的信息。

本文就在文獻2的基礎上為了更好的對醫學病灶圖像進行分析和處理，提出了基于視覺注意的ROVC檢測方法;該方法主要通過像素屬性分析從而提取感興趣部分，圖1給出了整個感興趣區檢測方法的框圖。

本文主要針對醫學圖像中，某些器官局部部位或者某些病灶的信息進行處理，如圖2所示因為這些圖像相對來講感興趣區域范圍比較小，所以根據每一個像素點的屬性，采用擴充并均衡化的方法，是像素點密度增強，從而能夠更好的達到醫學類圖片信息的提取

2 本文算法

2.1 對感興趣區域的自動提取方法的改進

本文算法用由顯著點擴展而來的標記點作為感興趣區域的判斷依據，主要由像素點屬性分析、區域均值計算及判斷像素點的偏離程度來擴充像素點三部分組成。文章在文獻ii的基礎上提取圖像的感興趣區域，因為圖像中每一個像素點與圖像均值的偏離程度不同，通過仿真實驗設置出一個ROVC參數K，只要像素點的像素值小于ROVC參數，就自動在此像素點增強，濾波處理，顏色空間轉換，設置閾值，感興趣區域提取，圖像復原

2.2 算法流程

A原始圖像增強

①計算出圖像中每一個像素點的像素值 f (x，y);

②假設圖像中像素點的個數為n，計算出整幅圖像的像素均值m;

③根據均值m和像素點f(x，y)的像素值，可以均衡出圖像中每一個像素點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 將增強后的圖像轉換成分辨率為512*512的圖像以方便可視化及其專業處理。

②濾波任何圖像都會有噪聲和失真，本文采用中值濾波以避免圖像細節的模糊同時也保護圖像邊緣，濾除隨機脈沖噪聲，濾波后的圖像輪廓比較清晰。

③顏色空間轉換 由于HIS顏色空間是從人的視覺角度出發，色調飽和度及其亮度來描述顏色，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顏色空間轉換到HIS顏色空間。

④顯著圖的生成。(下轉第125頁)(上接第96頁)

C感興趣區域提取

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

將2.2-A算法逆轉，去掉擴充像素信息，回復原始像素點。

3 實驗結果和結論

4 結論

(1)可以看出，對于醫學圖像本文算法還能較好的顯示出圖像中的感興趣區域，尤其是是對于類似這種簡單的背景圖像，本文方法更加明顯，當然，本文所提方法還比較初步，主要解決的是針對背景圖像較為簡單的圖像，對于圖像復雜度較高的圖像還需要進一步改進，如何使用顏色信息、如何進一步提高感興趣區域和背景的區分度等。

(2)同區域增長算法提取顯著區域運行時間的比較:

基于像素的區域生長法:8.5369375

基于子區域的區域生長算法:5.0584375

本文算法:4.57162

參考文獻

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

[2]桂長青，宋余慶，陳健美.基于環形分割的醫學圖像檢索[J].江蘇大學學報(自然科學版)， 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.