熱圖像分割算法解讀

1、 研究生課程論文課程名稱熱圖像分割算法授課學(xué)期 2014學(xué)年至 2015學(xué)年 第 2 學(xué)期學(xué)院 電子工程學(xué)院 專 業(yè) 電子科學(xué)與技術(shù)學(xué)號(hào) 2014011671姓名 甘曉楠任課教師 夏海英交稿日期 201成績 閱讀教師簽名 日 期 廣西師范大學(xué)研究生學(xué)院制摘 要生物醫(yī)學(xué)技術(shù)與應(yīng)用正在臨床醫(yī)生的服務(wù)上起到了開發(fā)和作用。有一個(gè)例子是醫(yī)療溫度記錄,它是經(jīng)常在檢測某些疾病和疼痛分布中被使用過。當(dāng)前的溫度記錄處理軟件有一些局限性，主要是因?yàn)橥ㄓ脩?yīng)用的發(fā)展和帶有特定的解剖形狀的感興趣的區(qū)域(ROI)不允許識(shí)別。當(dāng)前商業(yè)軟件通常使用定期棱鏡形狀來為這些區(qū)域定義,如矩形、正方形、圓形或橢圓,以及缺乏定義復(fù)雜的幾

2、何區(qū)域。這些形狀限制,當(dāng)他們不適合復(fù)雜的幾何形狀特征,通過排除或包含無關(guān)的數(shù)據(jù)評(píng)價(jià)的熱圖像來實(shí)現(xiàn)。如何ROI的定義是多么準(zhǔn)確，這特定的限制都是可觀察到的。為了提高熱圖像的特征,一個(gè)計(jì)算應(yīng)用程序開發(fā)出來了?，F(xiàn)有的軟件應(yīng)用程序的局限性因?yàn)樵O(shè)計(jì)了一個(gè)允許選擇任何ROI的應(yīng)用程序所克服，獨(dú)立于它的幾何形狀和進(jìn)一步優(yōu)化它處理。這個(gè)研究工作提供了幾個(gè)分割算法及未經(jīng)處理和優(yōu)化的ROI的對(duì)比。關(guān)鍵詞：溫度記錄發(fā)；紅外線；ROI；圖像分割；RGB顏色模式目錄摘 要2關(guān)鍵詞：溫度記錄發(fā)；紅外線；ROI；圖像分割；RGB顏色模式2目錄3第一章 介紹4第二章 溫度記錄45555第三章 識(shí)別ROI6第四章 圖像分割67

3、4.2 邊緣檢測分割74.2.1 Sobel74.2.2 Roberts84.2.3 Prewitt84.2.4 高斯拉普拉斯算子84.2.5 Canny99第五章 材料和方法95.1 圖形用戶界面和熱成像采集95.2 數(shù)據(jù)分析95.3 確定和優(yōu)化ROI9第六章 結(jié)果與討論11第七章結(jié)論12參考文獻(xiàn)13第一章 介紹過去半個(gè)世紀(jì)帶來了戲劇性、人體中的變化在正在調(diào)查中?，F(xiàn)在,那里許多不同的成像技術(shù),為診斷開放更多的機(jī)會(huì)1。在熱、代謝和血管條件人體中，紅外溫度記錄提供了信息,這常常可以用來解釋病理生理的，與物理?xiàng)l件相關(guān)的信息。研究和臨床觀察證明,紅外測溫術(shù)是區(qū)分正常和一個(gè)合適的指標(biāo)異常的生理過程,特

4、別是對(duì)疾病的早期階段2。使用紅外測溫術(shù)也在衛(wèi)星成像、運(yùn)動(dòng)檢測、安全、監(jiān)控、等4。診斷的準(zhǔn)確性取決于感興趣的區(qū)域(ROI)的分割形式3。熱圖像分析中，圖像分割是一個(gè)基本的步驟,不同的方法正在探討。在本文中,我們提出一個(gè)比較不同的roi使用圖像分割算法。使用分割算法有助于提高熱圖像分析的準(zhǔn)確性。本文的組織結(jié)構(gòu)如下:在第二節(jié)中,我們提出一個(gè)溫度記錄的一般概述,在第三節(jié)討論ROI的識(shí)別,第四節(jié)介紹了圖像分割算法。在第6和7節(jié)中結(jié)果與總結(jié)評(píng)價(jià)之前，案例研究是在第五節(jié)呈現(xiàn)出來。第二章 溫度記錄一個(gè)對(duì)象表面溫度分布可以確定使用一個(gè)名為熱成像的方法,也經(jīng)常引用溫度記錄法5。以上材料發(fā)出的紅外能量是0開爾文(-

5、273攝氏度)。紅外輻射的一部分電磁波譜和在可見光和無線電波之間占據(jù)的頻率。紅外光譜的一部分頻譜范圍從0.7微米波長(pm)到1000點(diǎn)。在這個(gè)波段內(nèi),只有頻率為至目前用于溫度測量6。通過相機(jī)成像傳感器，這種能量轉(zhuǎn)換為電信號(hào)，在監(jiān)視器上顯示為彩色或單色熱圖像，它代表溫度的變化值7。2.1背景在科學(xué)文獻(xiàn)中，希波克拉底是第一個(gè)內(nèi)科醫(yī)生,這個(gè)科學(xué)文獻(xiàn)通過把泥放在一個(gè)男人腹部，分析了身體熱量，當(dāng)其干的時(shí)候觀察其顏色的變化8。紅外溫度記錄法是由威廉·赫歇爾爵士在1800年左右發(fā)現(xiàn)的。但就在1940年,第一個(gè)適用的紅外成像系統(tǒng)已經(jīng)開發(fā)了。自1960年初以來紅外熱成像一直用于醫(yī)療技術(shù)9。過去20年

6、里，標(biāo)準(zhǔn)化的技術(shù)和熱成像的臨床協(xié)議以及紅外成像設(shè)備性能方面贏做出了重要的改進(jìn)。2.2優(yōu)勢對(duì)病人或醫(yī)務(wù)相關(guān)人員，溫度記錄發(fā)的主要優(yōu)點(diǎn)是非侵入式的、非接觸、無痛、沒有傷害的10?，F(xiàn)代熱成像攝像機(jī)提供高速度和高決議。此外,早期相機(jī)的穩(wěn)定性已顯著改善和校準(zhǔn)的圖像可以實(shí)現(xiàn)對(duì)一個(gè)穩(wěn)定的溫度參考,以確保可靠性。用這種技術(shù)完成的重復(fù)采集是尤其重要的1。熱圖像采集的主要問題之一是需要經(jīng)驗(yàn)和具體算法正確地描述它們。而且非常準(zhǔn)確的溫度測量很難使變化引起的材料的發(fā)射率,也因?yàn)樗菢O易受到任何外部現(xiàn)象干擾,比如,頭發(fā),光或空氣流動(dòng),可能會(huì)引入偏差和/或可能影響圖像質(zhì)量8。另一個(gè)溫度記錄主要的缺點(diǎn)是硬件和軟件，以及個(gè)人培

7、訓(xùn)的成本相對(duì)較高6。2.4臨床應(yīng)用溫度記錄已成功用于乳腺癌的診斷、糖尿病神經(jīng)病變和外圍血管疾病。此外,它是被用來檢測婦科問題,腎臟移植、皮膚、心臟,新生生理病,發(fā)燒篩查和腦成像11。第三章 識(shí)別ROI在任何溫度記錄處理分析的第一步是定義的通常使用正則棱鏡形狀這些區(qū)域的定義,例如,ROI。當(dāng)前的商業(yè)軟件矩形、方形、圓形和/或橢圓不確定某些解剖區(qū)域。圖1說明了兩個(gè)典型的幾何形狀定義特定的ROI。這些常規(guī)的幾何形狀呈現(xiàn)出局限性,他們不符合的解剖形狀的區(qū)域特點(diǎn),通過排除相關(guān)數(shù)據(jù)或包含無關(guān)數(shù)據(jù)的評(píng)價(jià)熱圖像(圖2)。這可能導(dǎo)致的錯(cuò)誤或誤解一定的熱圖像的分析。為了克服幾何無關(guān)的數(shù)據(jù)納入評(píng)價(jià)的局限性,圖像分割

8、算法可以應(yīng)用到選定的ROI,優(yōu)化ROI排除無關(guān)的數(shù)據(jù)。下一節(jié)描述了幾種圖像分割算法的探索。第四章 圖像分割分割是由劃定一個(gè)對(duì)象在一個(gè)圖像使用進(jìn)行像素級(jí)或?qū)ο蠹?jí)的屬性對(duì)象。在對(duì)象內(nèi)部，這些屬性可以邊緣、紋理、像素強(qiáng)度變化,形狀、大小和取向的操作12。細(xì)分有兩個(gè)目標(biāo)。為進(jìn)一步分析，首先將圖像分解。其次更加速度分析，執(zhí)行圖像表示的變化?；趹?yīng)用程序,一個(gè)或結(jié)合分割技術(shù)可以有效的應(yīng)用于解決這一問題4。有三種類型的分割技術(shù),即閾值分割、邊緣檢測分類和提出分割,描述如下。閾值分割算法定義圖像的邊緣含有固體物質(zhì)的對(duì)比背景。這項(xiàng)技術(shù)提供了一個(gè)由灰度圖像二進(jìn)制輸出。同時(shí)的，在圖像中所有像素中，這種分割方法應(yīng)用單

9、一固定的標(biāo)準(zhǔn)4。這種方法包含適當(dāng)?shù)拈撝礣的選擇，這是一個(gè)從一個(gè)灰度值圖像轉(zhuǎn)換為二進(jìn)制圖像的方法13。得到一個(gè)二進(jìn)制圖像的優(yōu)勢是，它簡化了數(shù)據(jù)的復(fù)雜性和識(shí)別與分類的過程性。描述它的數(shù)學(xué)性，用圖像像素標(biāo)簽定義一個(gè)閾值,標(biāo)簽1對(duì)應(yīng)對(duì)象和0對(duì)應(yīng)于背景14。熱圖像可以被定義為一個(gè)函數(shù)f(x,y)而閾值圖像g(x,y)可以定義如下:4.2 邊緣檢測分割這種類型的分割是基于邊緣的抽象級(jí)別并由于他們試圖捕捉的對(duì)象封閉輪廓的圖像15。在對(duì)象與背景之間，這種技術(shù)檢測邊緣與輪廓16。邊緣被認(rèn)為是缺乏連續(xù)性和結(jié)束的標(biāo)志。由于這一轉(zhuǎn)換,主要圖像任何的身體素質(zhì)變化中沒有遇到邊緣圖像17。有幾種類型的邊緣檢測技術(shù)。使用最傳

10、統(tǒng)的Sobel,Roberts,Prewitt,高斯拉普拉斯和精明的拉普拉斯算子,簡要描述如下。Sobel在3 x3的行和列之間，利用分離的區(qū)別，Sobel邊緣檢測器計(jì)算梯度。Sobel算子基于卷小圖像,可分,整數(shù)價(jià)值過濾器18。部分推導(dǎo)的計(jì)算在數(shù)字圖像的梯度可能近似使用表1所示。+1+2+1000-1-2-1-10+1-20+2-10+1Roberts在Robert交叉算法中,分別計(jì)算水平和垂直邊緣，放在一起獲得由此產(chǎn)生的邊緣檢測19。這個(gè)操作符執(zhí)行一個(gè)簡單、快速二維空間梯度的測量圖像16,并使用下面的掩碼來近似,數(shù)字的, 在相鄰像素之間第一個(gè)衍生品如表2所示18。+100-10+1-10P

11、rewittPrewitt邊緣檢測器給出一個(gè)估計(jì)的算子邊緣檢測考慮之一大小和方向的邊緣17。Prewitt古老的檢測, 在圖像的邊緣被認(rèn)為是最好的方法。這種技術(shù)使用以下掩碼近似數(shù)字衍生品GX和Gy表3中所示18。-10+1-10+1-10+1-1-1-1000+1+1+1Gx Gy高斯拉普拉斯算子拉普拉斯算子的方法搜索圖像的二階導(dǎo)數(shù)的零交叉邊緣。一種優(yōu)勢斜坡的一維形狀,計(jì)算圖像的導(dǎo)數(shù)可以突出它的位置20。拉普拉斯算子通常用于建立一個(gè)像素是否在黑暗或光明的邊緣16。 Canny在一個(gè)圖像廣泛的邊緣,Canny邊緣檢測是一個(gè)多級(jí)算法用于檢測。這探測器發(fā)現(xiàn)邊緣通過尋找一個(gè)局部最大值的f(x,y)的梯

12、度,梯度計(jì)算使用高斯濾波器的衍生物18。基于區(qū)域的分割將圖像視為有限數(shù)量的地區(qū)的組成和用于分割執(zhí)行區(qū)域統(tǒng)計(jì)數(shù)據(jù)21。分水嶺變換是一種為圖像分割技術(shù)廣泛使用的方法。直觀的想法潛在的這種方法來自地理。從最低地區(qū)位于圖像的頂部，地形表面會(huì)慢慢被淹沒。當(dāng)“水域”合并，他們建造“大壩”。這些分界線造成這些多個(gè)洪水流域。洪水流域應(yīng)用于圖像梯度的分水嶺與獨(dú)立均勻區(qū)域,得到理想的分割結(jié)果22。第五章 材料和方法5.1 圖形用戶界面和熱成像采集圖形用戶界面(GUI)在Matlab中被開發(fā)出來，關(guān)于紅外溫度記錄法,從目標(biāo)上進(jìn)行使用標(biāo)準(zhǔn)的的相機(jī)。使用FLIR SC655攝像頭，決定使用640*480像素的相機(jī)。在這

13、特別的研究中，該采集地點(diǎn)在一個(gè)溫度保持在20的房間中，濕度在50%上下。5.2 數(shù)據(jù)分析測量23個(gè)兩性的物體進(jìn)行頭部的正面和側(cè)面視圖。最大、最小和平均氣溫基本的數(shù)據(jù)分析的描述性統(tǒng)計(jì)(手段、標(biāo)準(zhǔn)偏差、范圍)。數(shù)據(jù)測試正常Shapiro-Wilk測試計(jì)算和比較使用成對(duì)樣品t(95%置信區(qū)間CI)。使用IBM SPSS進(jìn)行統(tǒng)計(jì)分析統(tǒng)計(jì)20和統(tǒng)計(jì)學(xué)意義上p < 0.05。5.3 確定和優(yōu)化ROI提到的溫度記錄法處理軟件允許用戶選擇任何獨(dú)立的ROI幾何形狀。它還包含一個(gè)基于閾值的分割方法分割算法,為我們的應(yīng)用程序中，被認(rèn)為是最精確的算法。分割算法優(yōu)化選擇通過刪除區(qū)域沒有任何相關(guān)統(tǒng)計(jì)數(shù)據(jù)以只考慮溫度

14、的ROI,將用于進(jìn)一步表征。該算法的流程圖圖3RGB圖像模型(R為紅色、G為綠色，B為藍(lán)色)被認(rèn)為是最適合的形象處理。顏色是一個(gè)功能強(qiáng)大的描述符,簡化了對(duì)象的識(shí)別和提取溫度儀圖像23。在RGB模型中,由彩色圖像分割功能。所有褪色的紅色，消失的綠色等等。當(dāng)檢測紅色區(qū)域時(shí),紅色區(qū)域是分開的,所有其他的被組合在一起。其他顏色以相似的模式分開24。原始熱圖像是一個(gè)m×n×3的矩陣。在這個(gè)矩陣中的元素x(:,:1)是紅色強(qiáng)度,x(:,:,2)是綠色強(qiáng)度而x(:,:,3)是藍(lán)色的)。這是一個(gè)事實(shí),即人類皮膚往往趨向于紅色的成分多一些，而藍(lán)色的成分少一些，因此第一步在于應(yīng)用零函數(shù)矩陣，為

15、了是刪除藍(lán)色的強(qiáng)度,如圖4所示。然后在結(jié)果圖像中,綠色的強(qiáng)度是消除的,見圖4。b),通過應(yīng)用相同的法解釋。下一步是運(yùn)用ROI的顏色的方法。該函數(shù)選擇一個(gè)ROI基于閾值的范圍索引值。所有的值的范圍內(nèi)所示白色和范圍之外的值顯示在黑色的。最終的圖像被認(rèn)為是掩碼。最優(yōu)閾值在0.1,0.4上被發(fā)現(xiàn)。由此產(chǎn)生的掩碼在圖4中體現(xiàn)。c)。最后,通過使用Matlab函數(shù)“bsxfun”，兩個(gè)矩陣可以增加中的元素為了之前和之后分別優(yōu)化。(原來的和優(yōu)化的ROI。圖5。a和5。b)分別說明了圖像)第六章 結(jié)果與討論為了執(zhí)行這項(xiàng)研究工作,23個(gè)人的男女雙方進(jìn)行分析。頭部和頸部溫譜圖的正面和側(cè)面視圖被FLIR SC655

16、相機(jī),共有46個(gè)熱掃描圖像。在之前和之后優(yōu)化,溫譜圖之間的比較,從正面和側(cè)面視圖顯示顯著差異,在最低溫度和平均溫度(p - 0)之間,但不是在最高溫度。表4和表5呈現(xiàn)了分別的比較觀點(diǎn)。在圖6中,可以觀察到的平均差較高比平均最低溫度溫度和之間的差異之前和之后的優(yōu)化是更多的臭名昭著的正面圖片。在這項(xiàng)研究中,可以觀察到優(yōu)化的最高溫度是沒有改變,只有最小和平均氣溫的影響分析圖像。優(yōu)化后兩個(gè)值增加最低溫度約4 0 c()和2.3 0 c(平均溫度),這是優(yōu)化的解釋了，退出低溫度的值,“污染”了圖像,降低最低溫，因此更影響了熱圖像溫度分析的熱圖像的平均溫度。當(dāng)發(fā)生時(shí),一個(gè)更集中的熱圖像是包含進(jìn)去了，為了檢

17、測最低值和平均溫度，因此表現(xiàn)出一個(gè)更精確的分析。第7章 結(jié)論當(dāng)前溫度記錄處理軟件有一定的局限性,主要因?yàn)槭前l(fā)達(dá)的應(yīng)用程序和不允許一個(gè)ROI與特定的解剖形狀的識(shí)別。為了提高熱圖像特征計(jì)算應(yīng)用程序開發(fā)?，F(xiàn)有軟件的局限性是要克服設(shè)計(jì)一個(gè)應(yīng)用程序,它允許選擇任何ROI,獨(dú)立于它的幾何形狀和然后為了進(jìn)行進(jìn)一步處理而優(yōu)化ROI。在這個(gè)研究工作幾個(gè)分割算法。未經(jīng)處理的ROI與優(yōu)化的ROI的比較也呈現(xiàn)出來了。可以觀察到的最高溫度不會(huì)因?yàn)閮?yōu)化而改變，然而圖像分析的最小和平均氣溫受到了影響。當(dāng)優(yōu)化時(shí),獲得了更焦熱影像檢查和最小值和平均值溫度增加,因此獲得一個(gè)更精確的熱圖像進(jìn)行分析。致謝作者承認(rèn)的支持戰(zhàn)略項(xiàng)目(PE

18、ST-OE /高速/ UI4044/2013)資助的葡萄牙語基礎(chǔ)科學(xué)和技術(shù)。作者也承認(rèn)歐盟的支持委員會(huì)通過居里夫人項(xiàng)目“國際交換生物醫(yī)學(xué)設(shè)備的設(shè)計(jì)和研究原型IREBID”。我們要感謝MRA Instrumentacao S.A.提供了紅外攝像機(jī)。他們沒有角色或影響設(shè)計(jì)、分析和解釋數(shù)據(jù)的研究及其結(jié)果。參考文獻(xiàn)1 Ring F. Thermal Imaging Today and Its Relevance to Diabetes. Journal of Diabetes Science and Technology. 2010, 4:857-862.2 Jin C, Yang Y, Xue Z,

19、 Liu K, Liu J. Automated Analysis Method for Screening Knee Osteoarthritis using Medical Infrared Thermography.Journal of Medical and Biological Engineering. 2013, 33.3 Kapoor P, Prasad SVAV, Patni S. Image Segmentation and Asymmetry Analysis of Breast Thermograms for Tumor Detection. InternationalJ

20、ournal of Computer Applications. 2012, 50.4 Sujji G, Lakshmi YVS, Wiselin G. MRI Brain Image Segmentation based on Thresholding. International Journal of Advanced ComputerResearch. 2013, 3(1):97-101.5 Periodicum Biologorum. 2011, 407-416.6Brodogradnja. 2008, 123-130.7 Hildebrandt C, Raschner C, Amme

21、r K. An Overview of Recent Application of Medical Infrared Thermography in Sports Medicine inAustria. Sensors 2010. 2010, 4700-4715.8 Szentkuti A, H. K, Grazio S. Infrared thermography and image analysis for biomedical use. Periodicum Biologorum. 2011, 385392.9 Ring E, Ammer K. The Technique of Infr

22、ared Imaging in Medicine. Thermology International. 2000, 10:7-14.10 Nahm F. Infrared Thermography in Pain Medicine. The Korean Journal of Pain. 2013, 219-222.11 Lahiri BB, Bagavathiappan S, Jayakumar T, Philip J. Medical applications of infrared thermography: A review. Infrared Physics &Technol

23、ogy. 2012, 55:221235.12 Ghosha P, Mitchell M, Gold J. Segmentation of thermographic images of hands using a genetic algorithm. In David Fofi KSN. ImageProcessing: Machine Vision Applications.: SPIE-IS&T; 2010.13 Gonzalez R, Woods R. Digital Image Processing. 3rd ed.: Prentice Hall; 2008.14 Akthe

24、r M, Ahmed K, Hasan Z. Detection of Vehicles Number Plate at Nighttime using Iterative Threshold Segmentation (ITS) Algorithm.I.J. Image, Graphics and Signal Processing. 2013, 5.15 Deserno TM. Biological and Medical Physics, Biomedical Engineering Greenbaum E, editor.: Springer-Verlag BerlinHeidelberg; 2011.16 Al-amri S, Kalyankar NV, S.D K. Image Segmentation by Using Edge Detection. Inte