摘要

動態路徑規劃(Dynamic Programming)是最佳路徑搜尋的一種方法。可以在起點與終點間建立一條最佳路徑。為建立影像像素點與其鄰近像素點的相互值，以為路徑規劃的依據。結合三種能夠突顯影像邊界的方法(包括Laplacian Zero Crossing、Gradient Magnitude和Gradient Magnitude)，替每個素點計算其與鄰近八個素點的相互值。針對單一素點而言，其與八個素點的相互值，經觀察得證，沿著影像邊界，該方向的相互值最小。由此特徵，才能引用動態路徑規劃的方法來搜尋最佳的影像邊界，所依據的準則，是單位的最小累積平均值。

本論文承襲自黃金璋1999碩士論文，藉由改良其核心動態規劃演算法，以提升邊界切割的速度。另外本論文針對腫瘤影像，加入了自動化產生初始邊界的方法。本論文的研究動機主要在提供「單發性結節的自動化檢測方法」的前期中，切割出腫瘤的輪廓，以提供計算特徵變數的主要依據。在這個前提下，我們加入的自動化產生初始邊界的方法，可以減少檢測人員的操作時間，更可避免人為干涉所造成的誤差。

none

目錄
第一章 緒論1
1.1 前言 1
1.2 研究動機 3
1.3 論文架構 6
第二章 自動化產生初始邊界 7
2.1肺部電腦斷層掃瞄影像及肺腫瘤特性 7
2.2雙線性內插法 Bilinear Interpolation 9
2.2.1 內插法 10
2.2.2 Zero interleaved quadrant 11
2.2.3 雙線性內插法 12
2.3 黑白化 14
2.4 初始邊界 16
2.4.1 區塊化(Labeling algorithm) 16
2.4.2 挖空區塊 17
2.4.3 去毛邊 17
2.4.4 產生初始邊界 19

第三章 影像區域耗費值 21
3.1 拉普拉斯交零點值(Laplacian zero-crossing cost) 22
3.2 梯度量值(Gradient magnitude cost) 25
3.3 梯度方向值(Gradient direction cost) 26
3.4 證實特徵值的可行性 29
3.4.1 驗證LZC值 29
3.4.2 驗證GM值 30
3.4.3 驗證GD值 32
3.4.4 驗證ILC 33
第四章 動態規劃前期處理 35
4.1 擴散化(Dilation) 35
4.2 骨幹化(Skeletonization) 37
4.3 標定搜尋區域 39
4.4 多階段決策問題(multi-stage decision-making problem) 40
4.5 轉折點搜尋 41
4.6 轉角偵測 45
第五章 以動態規劃求解最佳路徑 47
5.1 平均耗費值的概念 49
5.2 如何決定階段 49
5.3 階段與階段間之動態規劃搜尋步驟 50
5.4 同一階段內，點與點間之搜尋 51
5.5 從初始邊界搜尋邊界的流程 52
第六章 測試效果 55
6.1 自動化產生腫瘤初始邊界 55
6.2 測試以動態規劃為基礎的影像切割方法 64
6.2.1 基本圖形測試 64
6.2.2 一般影像圖形測試 68
6.2.3 肺部電腦斷層掃瞄影像測試 71
第七章 結論 76
參考文獻 78

參考文獻

[1] Cohen, L.D., and Kimmel, R., “Global Minimum for Active Contour Models: A Minimal Path Approach,” Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1996, pp. 666-673.

[2] Mortensen, E.N. and Barrett, W.A., “Interactive Segmentation with Intelligent Scissors,” Graphical Models and Image Processing, 1998, Vol. 60, pp. 349-384.

[3] Falcao, A.X., Udupa, J.K., Samarasekera, S., and Sharma, S., “User-Steered Image Segmentation Paradigms: Live Wire and Live Lane,” Graphical Models and Image Processing, 1998, Vol. 60, pp. 233-260.

[4] 黃金璋, 1999, “以動態規劃為基礎的半自動影像切割方法(A dynamic programming based semi-automatic image segmentation method)” , 碩士論文, 中山大學機械工程研究所.

[5] 林哲明、李有為, “完成台北榮民總醫院超高速電腦斷層掃瞄儀頭罩製作”, http://www.pidc.gov.tw/Publication/Newsletter/no38/p10.html.

[6] Maher A.S., Image Processing, R.R. Donnelley and Sons Company, 1995

[7] J. R. Parker, “Algorithms for Image Processing And Computer Vision”, Wiley Computer Publishing, Ch 3.1, pp.126-127.

[8] Haralick, R.M., and Shapiro, L.G., “Computer and Robot Vision,” Addison-Wesley Publishing Company, 1992, Ch 2.2.2, pp.23-28.

[9] Haralick, R.M., and Shapiro, L.G., Computer and Robot Vision, Addison-Wesley Publishing Company, 1992, Ch 2.3, pp.28-48.

[10]Zhiqiang Zheng, Han Wang, Eam Khwang Teoh, “Analysis of Gray Level Corner Detection,” Pattern Recognition Letters 20, 1999, pp.149-162

[11] J. R. Parker, “Algorithms for Image Processing And Computer Vision”, Wiley Computer Publishing, Ch 2, pp.68-75.

[12] J. R. Parker, “Algorithms for Image Processing And Computer Vision”, Wiley Computer Publishing, Ch 5, pp.176-179.

[13] Kirk, D.E., “Optimal Control Theory”, University Book Publishing Company, 1985.