基于水平集的醫(yī)學(xué)圖像快速分割方法研究.pdf

1、圖像分割技術(shù)在醫(yī)學(xué)圖像處理中起著重要的作用,準(zhǔn)確的分割結(jié)果可以讓醫(yī)生了解病灶的大小、幾何形狀以及與周?chē)M織的空間關(guān)系,在臨床醫(yī)療診斷、術(shù)前計(jì)劃制定、醫(yī)療方案設(shè)計(jì)等方面有效的輔助醫(yī)生。Chan-Vese模型是經(jīng)典的基于輪廓的全局優(yōu)化分割算法,一直以來(lái)都是廣大學(xué)者研究的熱點(diǎn)。它的核心是能量曲線在最小化過(guò)程中向著目標(biāo)邊界演化,其停止函數(shù)僅由圖像灰度值信息決定。C-V模型具有輪廓曲線拓?fù)浣Y(jié)構(gòu)變化的自適應(yīng)能力,能夠自動(dòng)檢測(cè)目標(biāo)輪廓、初始輪廓可靈活

2、選取。但是,當(dāng)分割目標(biāo)的邊界內(nèi)外灰度值變化比較緩和時(shí),由于過(guò)于依賴(lài)灰度值信息,C-V模型容易出現(xiàn)不完全分割問(wèn)題。
　　本文對(duì)C-V模型原理進(jìn)行分析,得到其不能完全分割圖像的原因是演化速度主要受輪廓線內(nèi)外灰度值差影響,所以在灰度值變化緩和的一類(lèi)邊緣處過(guò)早停止演化。在此基礎(chǔ)上提出結(jié)合閾值分割方法的C-V模型,閾值分割能排除大部分背景區(qū)域,減少C-V模型分割時(shí)需要計(jì)算的像素點(diǎn)數(shù),從而獲得更快的分割速度;并且閾值分割后圖像的灰度值范圍縮小

3、,對(duì)其進(jìn)行灰度值尺度變換后,拉伸灰度值區(qū)間,改善了C-V模型演化能力,使其能夠到達(dá)圖像真正的邊緣。
　　在對(duì)水平集算法的進(jìn)一步研究下,提出了結(jié)合模糊C均值聚類(lèi)方法的水平集算法,契合圖像模糊特征的模糊C均值聚類(lèi)方法對(duì)圖像預(yù)處理能有效縮小水平集演化區(qū)域。模糊方法分割得到的初始化水平集已基本靠近目標(biāo)區(qū)域邊緣,再用梯度矢量流改進(jìn)水平集演化能力,使改進(jìn)算法對(duì)窄細(xì)結(jié)構(gòu)邊緣的分割能力提升。
　　最后分析兩種改進(jìn)算法特征,初步提出通過(guò)判斷待