變形模型及其在醫(yī)學(xué)圖像分割中的應(yīng)用研究.pdf

1、變形模型憑借其獨(dú)特的優(yōu)勢(shì),在圖像分割領(lǐng)域受到了越來(lái)越廣泛地研究和應(yīng)用.本文對(duì)變形模型在醫(yī)學(xué)圖像分割中的應(yīng)用做了系統(tǒng)研究并加以改善,主要在以下幾個(gè)方面作了拓展和創(chuàng)新性工作:提出了基于提升B樣條小波的GVF(梯度矢量流)模型:雖然GVF變形模型解決了傳統(tǒng)參數(shù)變形模型的兩個(gè)關(guān)鍵性問(wèn)題,但它對(duì)初始輪廓位置有一定要求,計(jì)算量也很大.小波分解具有多分辨率特性,并且小波變換的模極大值與信號(hào)的突變有對(duì)應(yīng)關(guān)系.二次B樣條小波在邊緣提取中是最優(yōu)的,提升方法

2、已成為構(gòu)造第二代小波的關(guān)鍵技術(shù),所以設(shè)計(jì)了基于提升B樣條小波的GVF模型.此模型利用了GVF模型分割復(fù)雜幾何結(jié)構(gòu)的優(yōu)勢(shì),同時(shí)利用小波分解的特性降低了GVF模型對(duì)初始位置的敏感度；另外,由于應(yīng)用提升方法,小波變換問(wèn)題簡(jiǎn)化,計(jì)算速度快. 應(yīng)用改進(jìn)的各向異性擴(kuò)散濾波方法提高基于水平集的幾何變形模型的抗噪性:基于水平集的幾何變形模型可以容易地處理拓?fù)涞淖兓蛷?fù)雜的幾何形體,但仍受噪聲的影響,容易得出錯(cuò)誤的結(jié)果.傳統(tǒng)的高斯濾波在平滑去噪的

3、同時(shí)也會(huì)模糊圖像的重要信息.各向異性擴(kuò)散濾波不僅能很好地保持目標(biāo)的邊界而且對(duì)邊界具有增強(qiáng)的作用.本文應(yīng)用對(duì)稱(chēng)指數(shù)濾波器對(duì)各向異性擴(kuò)散濾波進(jìn)行改進(jìn),并引入自適應(yīng)估計(jì)k值法,并進(jìn)一步提出基于改進(jìn)的各向異性擴(kuò)散濾波的幾何變形模型,應(yīng)用其對(duì)醫(yī)學(xué)圖像進(jìn)行分割,可以很好地提高基于水平集的幾何變形模型抗噪性.提出遞進(jìn)的基于窄帶的多分區(qū)C-V方法:Mumford-Shah模型可解決基于水平集的幾何變形模型的"泄漏"問(wèn)題.Chan和Vese提出一種簡(jiǎn)化的

4、基于水平集的Mumford-Shah分割模型,進(jìn)一步又提出了應(yīng)用多個(gè)水平集函數(shù)的多分區(qū)方法,可處理復(fù)雜的幾何結(jié)構(gòu),但它計(jì)算量大、初始化困難,本文針對(duì)上述問(wèn)題提出遞進(jìn)的多分區(qū)C-V方法,此遞進(jìn)方法分為多個(gè)階段,每一階段只需一個(gè)水平集函數(shù)； 并且,下一級(jí)分割步驟是在上一級(jí)分割步驟完成之后進(jìn)行的；在每一級(jí)分割過(guò)程中,應(yīng)用了窄帶區(qū)域,只是處理窄帶中的點(diǎn),計(jì)算量大大減少.此算法對(duì)復(fù)雜幾何結(jié)構(gòu)的處理能力加強(qiáng),相比多分區(qū)C-V方法計(jì)算速度加快