刘侠 匡瑞雪 王波 岳雨婷

摘 要：由于对像素点的内在联系缺乏注重，许多传统的图像分割算法仍有很大可改进空间。为此，针对脊柱CT图像的分割问题，给出了一个改进的基于隐马尔可夫随机场框架的算法。由隐马尔可夫随机场建立分类的先验分布，将添加了记忆器的模拟退火算法与期望最大化算法进行融合，并结合最大后验估计准则来进行参数估计并得到最终结果。通过实验证明了所提出的算法较现有的马尔可夫随机场算法在脊柱分割的精确性上有较大程度的提高。

关键词：脊柱CT图像；图像分割；隐马尔可夫随机场

DOI：10.15938/j.jhust.2018.02.001

中图分类号： TP391.41

文献标志码： A

文章编号： 1007-2683（2018）02-0001-05

Abstract：With little consideration about spatial information of pixels， most of the traditional image segmentation algorithms are not ideal. To this end， for the segmentation of spine CT images， an improved algorithm based on Hidden Markov random field framework has been proposed in this paper. The prior distribution of classification is established by Hidden Markov random field， and then we combine the Expectation-maximization based on Simulated Annealing with memory and the Maximum a posteriori estimation criterion to estimate parameters. The experimental results show that the algorithm in this paper has a great improvement on the accuracy of the segmentation of the spine.

Keywords：spine CT images； image segmentation； HMRF

0 引 言

近年来不断发展的医学成像条件令成像数量不断增多，这使得医生逐片解读图像来判定疾病的过程越来越繁琐，又因为现代人脊柱畸形的患病率正逐年上升，所以脊柱图像的分割将会是医学图像处理的一个研究热点和方向。考虑到分割效果将直接影响到医生对患者病情的判断，所以寻找一种具有更高分割精度的算法迫在眉睫。

现有的自动分割技术主要包括边缘检测法[1]、区域生长法[2]、自适应阈值法[3]、模糊聚类法[4]、基于数学形态学方法[5]、基于人工智能的方法[6]、基于神经网络法[7]等。由于传统的分割算法往往不注重像素点内在联系，即仅仅利用像素的灰度信息，不对像素的空间信息进行考虑，所以导致对脊柱CT图像分割结果不理想。近年来为了解决这一缺陷隐马尔可夫模型（hidden Markov model， HMM）成为图像分割的研究热点之一[8]。……