35、基于形状和外观的检测与分割

基于形状和外观的检测与分割

在医学图像分析中，目标检测可建模为在图像中搜索目标模型。该模型描述目标的形状、外观等属性，搜索过程是将模型实例与数据进行匹配，通过拟合质量度量来判断是否找到一个或多个目标。

1. 形状模型概述

形状模型在图像分析中历史悠久，可用于搜索特定形状的目标实例，也有助于基于轮廓和外观属性对分割区域进行分类。不过，这两个不同目标不一定需要相同类型的模型。
- 目标实例搜索 ：需将包含特定形状的区域与其他区域分离，未知目标实例的数量。数据需用模型表达，通过拟合质量度量（QoF）评估模型实例与数据的对应关系，同时需要停止准则来判断搜索是否成功以及模型实例与图像中实例的相似程度。
- 目标形状分类 ：生成检测到的目标实例的描述符，使类内感知的相似性映射到描述符中的表示相似性。模型和其表示实例无需精确描述目标的形状或外观，只要能区分不同形状类即可。

一些模型和表示，如主动形状模型（ASM），可用于上述两个目的，但大多数模型可分为上述两类之一。在形状匹配中，图像中目标实例的属性应具有特征，以便与其他区域区分开来，形状表示需描述这些特征和允许的变化范围。形状表示可分为以下两种：
- 恒定形状表示 ：描述目标实例的预期外观，通过将表示与图像进行相关来找到目标实例的位置。目标变化由相关度量捕获，形状检测和形状偏差的标准不可分离，因为它们都会影响相关性。由于表示通常参数较少，无法精确表示目标的轮廓，因此分割需要后处理。
- 可变形表示 ：包含部分或全部目标特定的变化，可潜在地以任意精度区分前