几何活动轮廓模型的改进及其在工业CT图像分割中的应用研究

摘要

工业计算机层析成像(Industrial Computed Tomography,ICT)技术已经在航空业、铁路运输业、制造业等涉及到无损检测和无损评价的众多领域中获得成功的应用。工业CT系统通过射线扫描物件获取投影数据,进而重构出物件的二维断层图像和三维体数据进行图像处理和分析。其中,从图像中准确、高效地提取出感兴趣目标对后续处理至关重要。
　　图像分割是指将图像划分成若干各具特性的区域并提取分离出感兴趣目标区域的技术和过程。这里的特性可以是灰度、颜色、纹理、形状等,目标可以是单个区域,也可以是多个区域。作为图像处理到图像分析与理解的关键步骤,图像分割技术的发展与数学、计算机科学以及认知科学等相关学科和领域密切相关。近年来,很多图像分割方法被相继提出,其中基于偏微分方程的图像分割方法以其优越的分割性能得到了人们的广泛重视,并被应用于工业无损检测和医学影像分析等众多行业。
　　本论文在分析以偏微分方程理论为基础的几何活动轮廓模型特点的基础上,面向工业CT应用中存在的问题进行了系统的研究。从改进模型对初始轮廓敏感,提高图像分割速度,增强模型对噪声的鲁棒性,以及模型的高维推广几个方面入手,针对经典的几何活动轮廓模型——Chan-Vese(CV)模型做出了一系列的改进。本文的主要贡献及创新性工作如下:
　　1.研究了结合小波变换和活动轮廓模型的工业CT体数据分割方法。
　　实际应用中,三维工业CT体数据的数据量比较大,这就对相应的图像处理算法的运行效率提出了一定的要求。本文研究了一种结合小波变换和活动轮廓模型的三维体数据快速分割方法。整体思路是由粗到细的分割策略:在粗分割阶段,利用小波变换模极大值方法检测出大致的目标边缘;然后,利用区域生长和外接长方体算法确定出一个仅包含目标的合适区域;在细分割阶段,利用3DCV模型精确分割出目标的边界。该方法通过小波模极大值方法能够初始定位出目标的大致区域,不仅为后续的CV模型提供了较好的初始轮廓,减少其迭代次数;而且大大减小了分割模型处理的数据量,有效地提高了分割效率。实验表明该方法能够准确快速地检测出图像中的感兴趣区域,并且在一定程度上克服了3DCV模型不能处理多相分割这一问题。
　　2.融合图像局部灰度信息,研究了一种鲁棒Chan-Vese(RCV)模型解决噪声图像分割问题。
　　由于成像设备和条件的不完善,真实世界的图像中存在各种类型的噪声,使得很多经典的图像分割算法不能准确分割出目标。本文研究了一个鲁棒Chan-Vese(RCV)模型,试图将局部化思想引入CV模型解决噪声图像分割问题,并分别给出了二相分割和多相分割的水平集表示公式。模型假设图像由同质区域组成。对于同质区域内的每一个点,根据该点所在区域的平均灰度和其邻域内其它点的灰度差异定义局部能量项。引入高斯核函数对邻域尺度进行灵活控制,不但可以起到一定的图像平滑作用,更重要的是可以利用局部邻域内所有像素点的灰度信息对中心点所属区域进行判断,使得即使图像中的某些像素点被噪声污染,RCV模型仍然能够利用局部区域内的灰度信息指导曲线进行正确的演化。由于既考虑了每一点所在区域的平均灰度,又考虑了其邻域内点的灰度信息,使得模型兼顾了全局和局部模型的优势,不仅对初始轮廓不敏感,而且对不同类型、不同程度噪声鲁棒的同时,保持分割的准确性。
　　3.将RCV模型推广到三维情形,研究了一种三维RCV模型应用于工业CT体数据分割。
　　直接对二维断层扫描图像进行分析缺乏对工件结构的空间描述,相比之下,基于三维工业CT体数据的分析和处理不仅能够提高图像理解的可靠性,而且可以提升工作效率。另一方面,图像采集和图像传输过程中会产生一定程度的噪声。例如,在CT扫描的过程中,光线强度和传感器温度就是影响图像中噪声的主要因素。因此,对噪声CT体数据分割是一项有意义并富有挑战性的工作。本文将RCV模型从二维平面分割扩展到三维曲面分割,研究了一种3DRCV模型。通过3D高斯核函数对图像中每一点局部邻域灰度信息差异的描述,我们分别定义了局部能量和全局能量作为模型的数据项。在水平集表示阶段,引入水平集正则项,通过水平集函数表示曲面演化方程从而进行能量最小化。与3DCV模型相比,3DRCV模型在分割工业CT体数据的准确性和对不同噪声(泊松噪声、高斯噪声、椒盐噪声和乘性噪声)的鲁棒性方面均表现出了良好的分割性能。

目录

封面

中文摘要

英文摘要

目录

1 绪 论

1.1 论文的研究背景及意义

1.2 研究现状分析

1.3 本课题研究难点

1.4 主要研究内容和创新点

1.5 结构安排

2 相关理论知识

2.1 水平集方法简介

2.2 经典几何活动轮廓模型简介

2.3 本章小结

3 结合小波变换和CV模型的CT体数据分割方法

3.1 引言

3.2 问题的分析

3.3 结合小波变换和CV模型的CT体数据分割方法

3.4 实验结果及分析

3.5 本章小结

4 融合图像局部信息的活动轮廓模型

4.1 引言

4.2 问题的提出及分析

4.3 鲁棒Chan-Vese（RCV）模型

4.4 实验结果及分析

4.5 本章小结

5 工业CT体数据分割的三维RCV模型

5.1 引言

5.2 3D RCV模型

5.3 实验结果及分析

5.4 本章小结

6 总结与展望

6.1 全文总结

6.2 研究展望

致谢

参考文献

附录