基于偏微分方程的主動(dòng)輪廓算法的研究.pdf

1、醫(yī)學(xué)圖像分割技術(shù)是進(jìn)行醫(yī)學(xué)圖像分析和理解的基礎(chǔ)。與一般的圖像不同，醫(yī)學(xué)圖像往往存在低對(duì)比度、弱邊緣以及灰度分布不均等現(xiàn)象，常常需要結(jié)合醫(yī)學(xué)領(lǐng)域中的專業(yè)知識(shí)才能做出合理的分割。主動(dòng)輪廓模型提供了一種引入高層知識(shí)的機(jī)制，是醫(yī)學(xué)圖像分割領(lǐng)域最成功的理論之一。
　　主動(dòng)輪廓模型的基本思想是首先對(duì)圖像進(jìn)行建模即確定一個(gè)能量泛函，然后通過(guò)最優(yōu)化技術(shù)最小化能量泛函，通過(guò)主動(dòng)輪廓模型方法分割圖像的問(wèn)題最終歸結(jié)為求解非線性偏微分方程(PDE)的問(wèn)題

2、。初始輪廓線相當(dāng)于PDE的初始解，最小化能量泛函的過(guò)程就是曲線不斷變形的過(guò)程，當(dāng)能量泛函達(dá)到最小值時(shí)，也就完成了圖像分割過(guò)程。本文首先研究了經(jīng)典的主動(dòng)輪廓模型LBF模型。針對(duì)LBF無(wú)法利用全局信息的特點(diǎn)，本文在LBF模型的能量泛函中增加一個(gè)全局控制項(xiàng)，克服了LBF模型對(duì)輪廓初始位置敏感的缺點(diǎn);另外，為了提高了分割精度，還加入了邊緣梯度約束項(xiàng)，并稱這種改進(jìn)的模型為GLE模型。其次，本文研究了主動(dòng)輪廓先驗(yàn)分割模型，并提出了一種新的度量形狀差

3、異的方法?；谶@種方法構(gòu)造的能量項(xiàng)與基于面積的先驗(yàn)項(xiàng)相比可以更精確地度量出形狀的微小差異，而且可以使用快速的窄帶算法。在此基礎(chǔ)上，結(jié)合前面提出的GLE模型，得到了一種新的先驗(yàn)分割模型GLES模型。此外，本文還提出了一種新的符號(hào)距離函數(shù)生成算法，新算法實(shí)現(xiàn)簡(jiǎn)單，魯棒性好。為了減少進(jìn)化仿射變換參數(shù)所需的時(shí)間，提出了一種基于圖像矩的位姿初始化算法，加快了GLES模型的進(jìn)化速度。
　　在一系列的人工合成圖像和真實(shí)的醫(yī)學(xué)圖像上進(jìn)行實(shí)驗(yàn)，結(jié)果