3차원 마르코프 랜덤 필드 모델에 의한 입체 영상 분할

Abstract

입체 분할(3D-segmentation)은 3차원 가시화(visualization) 또는 볼륨 측정(measurement)과 같은 영상 처리 분야에서 매우 중요한 단계이다. 2차원 분할이 평면상의 2차원 구조체를 인식하는 기반을 제공한다면, 입체 분할은 공간상의 3차원 구조체를 인식하는 기반을 제공한다. 이러한 입체 분할에 대한 기존 연구는 단층 영상에서 2차원 분할한 추 3차원적으로 재구성하는 형태이다. 그러나 3차원구조체를 2차원 정보만으로 분할하여 재구성하는 경우 오류가 많고 완전한 3차원 구조체를 인식하기 어렵다. 본 논문에서는 3차원 자료 표현에 적합한 3차원 마르코프 랜덤 필드 3D-MRF) 모델을 제안하였다. 그리고 제안된 모델에 기초하여 3차원 정보에 의한 입체 분할 기법을 제시하였다. 분할을 위한 실험은 두 종류의 영상 자료에 대해서 행해졌다. 첫째, 인공 영상(artificial image)의 분할 실험에서는 인공 영상에 잡음을 첨가한 후 본래 영상을 분할해 냄으로써 오류율을 계산하였다. 제안된 3D-MRF 분할 기법과 기존의 2D-MRF분할 기법을 단층당 평균 오류율에 의해 비교한 결과 3D-MRF 분할 기법이 더 정확히 분할하였고 높은 잡음비에서도 안정된 분할을 하였다. 둘째, 자기 공명영상의 분할 실험에서는 3D-MRF 모델이 실제 영상(real image)에도 적용됨을 보이기 위해 심장의 자기공명영상(magnetic resonance imaging)을 3차원 보간하고 분할한 결과를 제시하였다.;3D-segmentation is an important step for many kinds of image processing, such as 3D-visualization or volume measurement. In the conventional methods of 3D-segmentation, each two dimensional slice image is segmented and then the images are stacked. But these methods cannot recognize three-dimensional objects completely by using only two-dimensional information. Therefore we propose a three-dimensional Markov Random Field (3D-MRF) model using three-dimensional information and design a 3D- segmentation algorithm based on it. The algorithm proposed has the advantage that it is capable of segmenting three-dimensional data set correctly and is robust for highly noisy images. We experiment with two types of images. One is artificial images and the other is Magnetic Resonance Images(MR1) of the heart. With artificial images, we compare the conventional 2D-MRF method with our method. The result of segmentation of MRI is assessed by visual inspection.