基于變分水平集的醫(yī)學圖像分割.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)域進行分割提取，它是圖像理解和識別的基礎(chǔ)。醫(yī)學圖像分割是圖像分割在醫(yī)學領(lǐng)域的應用，醫(yī)學圖像的分割結(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)學圖像分割方法中，水平集方法因具有良好的拓撲變換性能，更加精確的計算，更易在高維中實現(xiàn)，而被廣泛應用在醫(yī)學圖像分割領(lǐng)域。本文研究的是基于水平集方法的醫(yī)學圖像分割，主要研究的內(nèi)容如下:
　　1、

2、簡單介紹當前國內(nèi)外醫(yī)學圖像分割的研究現(xiàn)狀和最新成果，以及未來的主要研究方向。對一些經(jīng)典的圖像分割方法作一下簡單介紹，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。
　　2、介紹曲線與曲面的幾何演化，主要包括曲線演化問題，水平集方法，變分水平集方法。對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模型等進行推導與分析，比較優(yōu)缺點。

3、r>　　3、針對醫(yī)學圖像分割中出現(xiàn)邊緣泄漏的問題，本文提出一種基于區(qū)域信息的水平集圖像分割方法。該方法通過引入符號壓力函數(shù)來取代傳統(tǒng)的Li模型的停止函數(shù)，可以有效地解決曲線對初始位置敏感的問題，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，當曲線接近目標區(qū)域邊緣時，演化速度小，避免遺漏邊緣信息;當曲線遠離目標區(qū)域時，演化速度大，提高演化效率。
　　4、運用水平集方法分割具有復雜

4、輪廓的醫(yī)學圖像時會出現(xiàn)迭代計算量大，迭代時間長，分割不完全等問題，因此本文提出將標記分水嶺算法與改進的Li模型算法相結(jié)合。首先通過標記分水嶺算法對原始圖像進行初次分割，快速準確定位目標區(qū)域信息;再引入改進的Li模型算法對圖像進行二次分割。通過實驗比較，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和背景兩區(qū)域，但無法實現(xiàn)對多目標的同時分割。多相C-V模型能夠?qū)崿F(xiàn)對多目標的同時分割，但需要多次迭代，計算量大