基于變分水平集的醫(yī)學(xué)圖像分割.pdf

1、圖像分割是圖像處理領(lǐng)域中非常重要的組成部分，其主要目的是將圖像中感興趣的區(qū)域進(jìn)行分割提取，它是圖像理解和識(shí)別的基礎(chǔ)。醫(yī)學(xué)圖像分割是圖像分割在醫(yī)學(xué)領(lǐng)域的應(yīng)用，醫(yī)學(xué)圖像的分割結(jié)果為下一步的病情診斷和治療提供了重要的參考。
　　在已經(jīng)提出的醫(yī)學(xué)圖像分割方法中，水平集方法因具有良好的拓?fù)渥儞Q性能，更加精確的計(jì)算，更易在高維中實(shí)現(xiàn)，而被廣泛應(yīng)用在醫(yī)學(xué)圖像分割領(lǐng)域。本文研究的是基于水平集方法的醫(yī)學(xué)圖像分割，主要研究的內(nèi)容如下:
　　1、

2、簡(jiǎn)單介紹當(dāng)前國(guó)內(nèi)外醫(yī)學(xué)圖像分割的研究現(xiàn)狀和最新成果，以及未來(lái)的主要研究方向。對(duì)一些經(jīng)典的圖像分割方法作一下簡(jiǎn)單介紹，主要分為基于區(qū)域的圖像分割，基于邊緣的圖像分割，基于紋理分析的圖像分割等幾大類(lèi)。
　　2、介紹曲線與曲面的幾何演化，主要包括曲線演化問(wèn)題，水平集方法，變分水平集方法。對(duì)本文所涉及到的水平集模型:Mumford-shah模型（M-S模型）、Chan-Vese模型(C-V模型)、Li模型等進(jìn)行推導(dǎo)與分析，比較優(yōu)缺點(diǎn)。

3、r>　　3、針對(duì)醫(yī)學(xué)圖像分割中出現(xiàn)邊緣泄漏的問(wèn)題，本文提出一種基于區(qū)域信息的水平集圖像分割方法。該方法通過(guò)引入符號(hào)壓力函數(shù)來(lái)取代傳統(tǒng)的Li模型的停止函數(shù)，可以有效地解決曲線對(duì)初始位置敏感的問(wèn)題，曲線能夠根據(jù)區(qū)域信息選擇演化方向，克服了單方向演化的缺陷。新的速度函數(shù)可以有效地控制曲線的演化速度，當(dāng)曲線接近目標(biāo)區(qū)域邊緣時(shí)，演化速度小，避免遺漏邊緣信息;當(dāng)曲線遠(yuǎn)離目標(biāo)區(qū)域時(shí)，演化速度大，提高演化效率。
　　4、運(yùn)用水平集方法分割具有復(fù)雜

4、輪廓的醫(yī)學(xué)圖像時(shí)會(huì)出現(xiàn)迭代計(jì)算量大，迭代時(shí)間長(zhǎng)，分割不完全等問(wèn)題，因此本文提出將標(biāo)記分水嶺算法與改進(jìn)的Li模型算法相結(jié)合。首先通過(guò)標(biāo)記分水嶺算法對(duì)原始圖像進(jìn)行初次分割，快速準(zhǔn)確定位目標(biāo)區(qū)域信息;再引入改進(jìn)的Li模型算法對(duì)圖像進(jìn)行二次分割。通過(guò)實(shí)驗(yàn)比較，該組合算法分割的精度更高。
　　5、傳統(tǒng)的C-V模型可以將圖像分割成目標(biāo)和背景兩區(qū)域，但無(wú)法實(shí)現(xiàn)對(duì)多目標(biāo)的同時(shí)分割。多相C-V模型能夠?qū)崿F(xiàn)對(duì)多目標(biāo)的同時(shí)分割，但需要多次迭代，計(jì)算量大