PHÂN VÙNG ẢNH docx

PHÂN VÙNG ẢNH (IMAGE SEGMENTATION) CHƢƠNG 5  Là một bước quan trọng trong việc phân tích và phân loại ảnh y tế, trợ giúp cho quá trình đánh giá hay chẩn đoán có sự trợ giúp của máy tính (Computer-Aided Diagnosis).  Mục đích: phân chia ảnh đầu vào thành các vùng nhỏ tách rời thỏa mãn tính chất đồng nhất và liên thông bằng cách nhóm các pixel gần kề nhau thành nhóm dựa trên một số tiêu chí giống nhau định trước nào đó. - Tính chất đồng nhất: một vùng được gọi là đồng nhất nếu các pixel trong vùng là đồng đều. - Tính chất liên thông: một vùng được gọi là liên thông nếu tồn tại một đường liên thông giữa 2 pixel bất kỳ.  Nói một cách chính xác, phân vùng một ảnh I là chia ảnh đó thành các vùng nhỏ R 1 , R 2 , R N tách rời thỏa mãn các điều kiện sau  N i i IR 1 .1     trueRC i  .2   tr ueRH i  .3   falseRRH ji  .4  Ba phương pháp phân vùng o Phân vùng dựa theo điểm ảnh o Phân vùng dựa theo đường biên o Phân vùng dựa theo miền Ví dụ phân vùng ảnh (a): ảnh ban đầu (b): ảnh được phân vùng  Phân vùng dựa theo điểm ảnh - Dựa trên các thống kê mức xám đồ của ảnh để tạo ra các vùng đóng thuộc về các đối tượng có trong ảnh. - Phương pháp phân vùng đơn giản nhất , tính toán nhanh, có thể thực hiện dễ dàng trong thời gian thực sử dụng phần cứng chuyên biệt.  Phân vùng dựa theo đường biên - Dựa trên các thông tin về đường biên của ảnh để xác định các đường bao của các đối tượng. Các đường bao nay sau đó được phân tích, sửa đổi nếu cần thiết nhằm tạo ra các vùng đóng thuộc về các đối tượng có trong ảnh.  Phân vùng dựa theo miền - Các pixel được phân tích một cách trực tiếp trong quá trình phát triển vùng (region growing) dựa trên một tiêu chí giống nhau cho trước để hình thành nên các vùng đóng thuộc về các đối tượng có trong ảnh.  Khi các vùng được xác định, các đặc điểm có thể được tính toán để biểu diễn vùng nhằm mô tả, phân tích, phân loại.  Các đặc điểm có thể là thông tin về hình dạng, cấu trúc (texture) của vùng cũng như các thông tin xác suất (kỳ vọng-mean, phương sai-variance của các giá trị mức xám). [...]... tốt Ảnh y tế thường có nhiều đỉnh với các yêu cầu cụ thể về vùng cần được phân vùng Ảnh cộng hưởng từ của não cùng mức xám đồ Ảnh được phân vùng với T=12 T=12 được chọn để phân tách vùng não dưới hộp sọ ra khỏi vùng nền Có một vài vùng trắng nhỏ bên trong vùng não được phân tách ra Các vùng này có thể được chuyển thành đen để tính toán diện tích não tổng thể nằm dưới hộp sọ Để phân vùng một số vùng. .. dịch trắng, dịch nãotủy sống trong rãnh não, não thất, thương tổn (nửa bên phải ảnh) có thể nhìn thấy được trên ảnh được phân vùng với mức ngưỡng T=166 Với T=255 thì chỉ thấy não thất và thương tổn (do mật độ proton và thời gian hồi phục T2 lớn) Ảnh được phân vùng với T=166 Ảnh được phân vùng với T=255 5.1.1 Mức ngƣỡng tối thiểu xác suất của sai số  Xác suất của sai số được định nghĩa là Pe = P{quyết... thất (vùng lớn nằm giữa ảnh) cần xác định từ mức xám đồ thêm các mức ngưỡng khác bằng cách xem xét các đỉnh khác trong phần phân bố của mức xám đồ thuộc vào đỉnh chính thứ 2 - Chọn ngay mức ngưỡng tiếp theo - Xác định một mức xám đồ khác (chỉ cho vùng não đã được phân vùng) rồi tính mức ngưỡng Các vùng não tương ứng với dịch trắng, dịch nãotủy sống trong rãnh não, não thất, thương tổn (nửa bên phải ảnh) ...5.1 Phân vùng dựa theo điểm ảnh  Sử dụng các thống kê mức xám đồ để xác định một hay nhiều mức ngưỡng để xắp sếp từng pixel trong ảnh  Mức ngưỡng để xắp sếp các pixel vào các lớp thu được từ phân tích mức xám đồ của ảnh  Nếu mức xám đồ có 2 đỉnh (bimodal) thì mức ngưỡng là giá trị mức xám tương ứng với điểm thấp nhất trong vùng hõm thung lũng (valley) của mức xám đồ  Nếu không, ảnh được chia... tương tự  Dùng thuật toán lặp lựa chọn mức ngưỡng - Giả thiết ảnh có 2 vùng giá trị mức xám chính - 4  10 vòng lặp là thích hợp - Thuật toán + Vị trí chính xác của đối tượng là không biết Coi 4 góc của ảnh là các pixel nền, phần còn lại là các pixel đối tượng + Tại bước t, tính kỳ vọng của các mức xám nền 1t và đối tượng 2t Việc phân vùng ảnh thành nền và các đối tượng tại bước t dựa vào mức ngưỡng... P(m1) là đã biết trước; P(m1) + P(m2) = 1  Giả thiết rằng phân bố mật độ xác suất pi(x) của nền và đối tượng chỉ có 1 đỉnh với kỳ vọng i và phương sai i (có nghĩa pdf của ảnh có 2 đỉnh)  Nếu 1 < 2 thì xác suất phân loại sai cho bởi Pd 2 m1     p x dx 1 Pd1 m2   T T  p x dx 2   Để tìm giá trị T mà Pe là nhỏ nhất, lấy vi phân của Pe(T) theo T rồi cho kết quả bằng 0 Pe   Pm1... theo công thức P T   P T  1  pT  1 1 P2 T   1 P T  1 trong đó P1(0) = p(0) với p là phân bố xác xuất của tất cả các pixel 1(T) và 2(T) có thể tính đệ quy bởi P T  11 T  1  TpT  1 T   1 P T  1  2 T     P T 1 T  1 1 P T  1 Mức xám đồ và phân bố B2(T) của ảnh 5.1.3 Mức ngƣỡng tối đa entropy mức xám đồ  Mức ngưỡng được chọn là giá trị mức xám tối đa tổng... dựa trên một số giả thiết (heuristic) về tính chất của ảnh Mức xám đồ của từng phần sau đó được sử dụng để xác định mức ngưỡng  Chọn mức ngưỡng Mức xám đồ hai đỉnh 1  g  x, y    0  f  x, y   T f  x, y   T T: mức ngưỡng được lựa chọn từ mức xám đồ g(x,y)=1 với các pixel là đối tượng, g(x,y)=0 với các pixel là nền hoặc ngược lại tùy phân bố của chúng trên mức xám đồ Đỉnh 1 có diện tích... 1t và đối tượng 2t Việc phân vùng ảnh thành nền và các đối tượng tại bước t dựa vào mức ngưỡng Tt xác định từ bước trước đó (*) it   f k , l    k ,l Di N Di  với Di nghĩa là vùng i, N(Di) là số pixel trong vùng đó + Đặt T t 1  + Nếu Tt+1 = Tt, dừng t 1t   2 2 5.1.2 Mức ngƣỡng tối đa phƣơng sai giữa các lớp  Mức ngưỡng được chọn là giá trị mức xám tối đa phương sai giữa các lớp được... Pm1   p2 T Pm2   Coi phân bố xác suất pi(x) là Gaussian AT 2  BT  C  0 Với: 2 A   12   2  2 B  2 1. 2  2  12  2 2 2 C  2  12  12  2  2 2  12 log 2 Pm2   1Pm1  - Nếu phương sai là bằng nhau, mức ngưỡng đơn tối ưu bằng T 1   2 2 2  logPm2  Pm1  1   2 - Nếu các xác suất biết trước là giống nhau T 1   2 2 Đối với các phân bố xác suất khác thì việc . pháp phân vùng o Phân vùng dựa theo điểm ảnh o Phân vùng dựa theo đường biên o Phân vùng dựa theo miền Ví dụ phân vùng ảnh (a): ảnh ban đầu (b): ảnh được phân vùng  Phân vùng dựa theo điểm ảnh -. rất tốt. Ảnh y tế thường có nhiều đỉnh với các yêu cầu cụ thể về vùng cần được phân vùng. Ảnh cộng hưởng từ của não cùng mức xám đồ Ảnh được phân vùng với T=12 T=12 được chọn để phân tách vùng não. khỏi vùng nền. Có một vài vùng trắng nhỏ bên trong vùng não được phân tách ra. Các vùng này có thể được chuyển thành đen để tính toán diện tích não tổng thể nằm dưới hộp sọ. Để phân vùng một số vùng