皮膚黑素細胞腫瘤圖像綜合分割方法研究

作者：田慶飛， 孟如松， 姜志國， 謝鳳英， 趙丹培

摘要】  目的 本文針對黑素細胞腫瘤（Melanocytic Tumor MT）圖像情況復雜，較難分割的問題，提出了一種綜合數字圖像分割算法，探討MT的早期診斷。方法 首先應用統(tǒng)計區(qū)域融合方法（SRM）實現圖像分割成多塊紋理一致的區(qū)域。然后對圖像以HSV彩色空間的H和S 分量為特征，使用K均值聚類算法將圖像聚為9類。后，將聚類結果在HSV彩色空間的H和S分量值分別映射到［0，1］區(qū)間，再分別對H分量和S分量取閾值，得到終的邊界分割結果。結果 對MT圖像能夠按照其紋理差異將其有效劃分為多個區(qū)域，較為準確標識出皮損區(qū)域。結論 綜合對多種方法結果的對比，本方法優(yōu)于傳統(tǒng)的大津閾值法、K均值法和活動輪廓法。同時對過去基于SRM的MT圖像分割方法進行了改進，在處理復雜MT圖像時效果明顯好于傳統(tǒng)方法。

【關鍵詞】  統(tǒng)計區(qū)域融合； K均值； HSV彩色空間； 黑素細胞腫瘤； 圖像分割

    Research on the segmentation algorithm for dermoscopy imageTIAN Qingfei1,   MENG Rusong2,  JIANG Zhiguo1,  XIE Fengying1,  ZHAO Danpei1

    （1. Image Processing Center Beihang University, Beijing 100083;

    2. General hospital of the Air Force, PLA, Beijing 100036）

    Abstract: ob[x]ject  This paper proposes a synthetic algorithm for the segmentation of Melanocytic Tumor (MT), and discusses about early diagnosis of MT. Method  Firstly, the algorithm of this paper uses statistical region merging (SRM) to divide MT image into several areas by texture. Then, ba[x]sed on the features of H and S subchannels of HSV color space, this paper uses Kmeans algorithm to classify those areas into nine parts. After that, it normalizes the subchannels and splits the image into two parts separately by the given threshold value 0.6 in H and S subchannels. In the end, the algorithm combines the two subchannels into one and gets the final result.  Result  The algorithm this paper proposes could divide different areas effectively and assist the doctors to diagnose the disease. Conclusion  Compared with many algorithms, the performance of this algorithm is much better than OTSU, Kmeans and snake algorithms, especially for complicated MT images segmentation.

    Key words: statistical region merging; Kmeans; HSV color space; melanocytic tumor; image segmentation

    引言

    黑素細胞腫瘤（Melanocytic Tumor MT），由良性和惡性黑素瘤組成。目前，研究者關注多的是惡性黑素瘤（Malignant Melanoma MM）。隨著時間的推移，MM的發(fā)病率迅速增長，它已成為皮膚首位致死性疾病之一。目前，有效的治療方法仍然是MM的早期診斷加積極有效地切除原發(fā)灶，早期的準確診斷與切除對降低死亡率起決定性作用［1］。而計算機圖像的有效分割方法與MM的識別與早期診斷密切相關，所以探索這一方法在臨床上具有重要意義。   

    目前，針對MM的早期診斷方法有：ABCD準則通過檢測［2］來確定MM的早期診斷。7點檢測表法［ 3 ］列出了3個強特征和4個弱特征作為早期診斷的標準。上述方法都依賴于對皮損圖像的分析數據，獲得較好的皮損圖像分割結果是取得準確數據進而進行正確診斷的基礎和關鍵。

     本文提出了一種針對MM圖像的綜合圖像分割方法。首先，使用統(tǒng)計區(qū)域融合算法［4］將圖像劃分為多個紋理相同的區(qū)域。然后，將圖像從RGB彩色空間轉到HSV彩色空間，并對其進行K均值聚類。終對聚類結果的H和S分量分別取閾值得到分割的邊界。

    1  方法

    本文按照區(qū)域統(tǒng)計融合，HSV彩色空間，K均值的順序描述了該綜合圖像分割方法的處理過程。

    1.1  區(qū)域統(tǒng)計融合

    區(qū)域統(tǒng)計融合是一種新的圖像分割算法（圖1）［4］。該算法分兩步：1. 點對排序。將圖像按照四鄰接兩兩結合結成點對，選擇一個函數對點對的融合代價進行評估。并按照融合代價的有小到大進行排序。2. 按照公式1對排序結果進行圖像融合。

    公式中R為區(qū)域中像素點的個數，δ為圖像總像素個數倒數的16，Q是質量因子，控制融合后的區(qū)域個數，Q越大，融合后的區(qū)域個數越少，反之，融合后的區(qū)域個數越多。在此本文參考M Emre Celei 所提供的Q值-96。

    通過SRM算法的處理，可以將圖像中紋理相同的區(qū)域融合為一個區(qū)域，并將該區(qū)域的RGB平均值設置為該區(qū)域的顏色，從而起到銳化皮損區(qū)域過渡邊緣的效果，便于進一步的分割。P（R,R′）

    =trueif |′-|≤b2(R)+b2(R′)

    falseotherwise

    (1)其中，b(R)=g(1/(2Q|R|))ln(|R|/δ)    需要注意的是，統(tǒng)計區(qū)域融合方法難以確定處理結果的區(qū)域個數。M Emre Celei［6］曾使用SRM方法來處理皮損圖像。其解決方法是針對圖像四周20*20的圖像區(qū)域進行采樣，并建立皮膚背景的顏色模型，后把腫瘤區(qū)域從圖像中提取出來。據我們所處理的圖像，有些采樣圖像很難滿足其所做的假設。如圖一所示，由于圖片的拍攝工具的差異，只能取得一個圓形的視野。

    1.2  HSV彩色空間

    HSV彩色空間是一種常用于皮膚圖像分割的彩色空間，H代表圖像的顏色，S代表圖像的飽和度，V代表圖像的亮度。HSV彩色空間比RGB彩色空間優(yōu)越之處在于其各個分量之間的獨立性。例如，亮度的改變在RGB顏色空間中同時影響到3個分量。而對HSV空間只影響到V分量。同時，為了便于比較，本文對HSV彩色空間的H分量和S分量分別進行了單位化。由實驗結果看（圖2、3），能較為真實地凸顯出皮損區(qū)域。

    1.3  K均值

    K均值算法是一種聚類算法，其流程如下：

    ① 確定聚類數；

    ② 選擇聚類中心（一般隨機初始化聚類中心）；

    ③ 將數據按照在特征空間距離聚類中心的遠近進行聚類，標識為離其近的聚類中心的類別；

    ④ 重新計算并更新聚類中心；

    ⑤ 如果聚類中心的移動小于指定閾值，或迭代次數小于指定次數，推出循環(huán)，否則，回到步驟3.

    使用K均值聚類方法，要人為確定聚類個數。以HSV彩色空間的H和S分量為特征進行聚類。按照常理，應該將圖像聚為4類，然而實驗的結果并不理想。因為過度邊緣大多更相似于正常皮膚，終通常得不到正確的結果。如果類別數太多，算法的效率會有所下降。通過反復實驗，終選定分為9類。同時，為了便于比較，將聚類結果的H分量和S分量分別映射到［0，1］，然后取經驗值0.6對H分量和S分量分別進行分割，并疊加分割結果，可得到終的分割效果（圖4、5）。

    2  結果

    K均值方法由于是一種聚類方法，它針對像素來進行聚類，所以不可避免，會出現一些小的離散區(qū)域，其效果在過渡邊緣明顯的圖像中顯示較差，不能充分地包括過渡邊緣。同時由于此方法只能定義聚類的類別數。缺乏有效的人工干預。圖6是K均值處理的結果。

    Snake 模型算法需要一個初始邊緣，在此本文使用大津閾值分割結果邊緣作為初始邊緣。該方法在內能約束和外能約束下達到總能量小的狀態(tài)，并將其作為結果。其中內能使輪廓趨于平滑，外能的定義針對不同應用，有不同定義。在此本文取像素的梯度值作為外能。 圖7是Snake算法處理的結果。

    圖7  Snake方法處理效果

    大津閾值分割法針對圖像像素，應用小類內、大類間方差的原理，來對像素進行分類。其結果對邊緣清晰，紋理簡單的圖像分割結果較好，對邊緣模糊，紋理復雜的圖像效果就比較差。圖8是大津閾值分割算法處理的結果。

    本文所提出的方法基于SRM方法，能夠有效控制較小的離散區(qū)域的出現，同時能較好地處理紋理復雜圖像。同時，Kmeans方法針對SRM方法的處理結果，在HSV彩色空間進行聚類，綜合了SRM和Kmeans方法的優(yōu)點。圖9是本文所提方法的處理結果。

    3  討論

    在目前多種應用于MM圖像邊界分割的算法圖8  大津閾值分割方法處理效果

    圖9  本文所提方法的處理效果

    中。大津閾值法［ 7 ］是早被使用，也是流行的方法。近，許多新提出的圖像分割方法也被應用與MM圖像的邊界分割。Meli［ 5 ］ 等實現了4種方法：中間割，K均值，模糊C均值和均值漂移法。對比結果，得出均值漂移法的結果優(yōu)的結論。此后，M Emre Celebi和Hassan A Kingavi［6］將統(tǒng)計區(qū)域融合方法［ 4 ］應用于MT的圖像分割，取得了相對與均值漂移等方法更好的結果。其解決方法是針對圖像四周20×20的圖像區(qū)域進行采樣，并建立皮膚背景的顏色模型，從圖像中簡單地減去正常皮膚，進而將腫瘤區(qū)域從圖像中提取出來。據我們所處理的圖像，有此采樣圖像不能滿足其所做的假設。本文提出的方法使用聚類算法對SRM的結果進行處理，克服了這種假設，并可應用于較復雜的MT病灶圖像的分割。

    實驗結果顯示該方法在對復雜腫瘤圖像的處理效果明顯優(yōu)于以前提出的多種方法，如大津閾值，K均值等。并且取消了M Emre Celei［6］的SRM方法對圖像做出的假設，對MT的早期診斷提出了一種較好的皮損識別與圖像分割法。

    本方法針對毛發(fā)較多的圖像處理結果不太理想，所以將去毛發(fā)作為對本方法的一項預處理，也是很有意義的。

【參考文獻】
  ［1］孟如松,趙廣,蔡瑞康,等.偏振光皮膚鏡數字圖像分析技術的研究及在色素性皮損診斷中的探討 ［J］.中國體視學與圖像分析雜志，2006，11（2）：122-126.

　?。?］Nachbar F, Stolz W, Merkle T, et al. The ABCD rule of dermatoscopy. High prospective value in the diagnosis of doubtful melanocytic skin lesions. J Am Acad Dermatol，1994，30:551559.

　?。?］Healsmith M F, Bourke J F, Osborne J E, et al. An evaluation of the revised Sevenpoint checklist for the early diagnosis of cutaneous malignant melanoma Br J Dermatol 1994，130:48-50.

　?。?］Nock R and Nielsen F. Statistical Region Merging. IEEE Trans. On Pattern Analysis and Machine Intelligence, 2004，26(11); 1452-1458.

　?。?］Melli R, Grana C, and Cucchiara R. Comparison of Color Clustering Algorithms for segmentation of Dermatological Images ［J］. Proc Of the SPIE Medical Imaging Conf, 2006，6144: 3S19 2006.

　　［6］M Emre Celebi, Hassan A Kingravi. Fast and Accurate Border Detection in Dermoscopy Images Using Statistical Region Merging ［J］. Proc Of the SPIE Medical Imaging 2006， 6512: 3V1-10.

　?。?］Rafael C Gonzalez,Richard E Woods.Digital Image Processing,Second Edition(影印版) ［M］.北京:電子工業(yè)出版社,2002.