基于變分水平集的醫(yī)學(xué)圖像分割方法研究.pdf

1、隨著現(xiàn)代醫(yī)學(xué)成像技術(shù)的發(fā)展，醫(yī)學(xué)圖像分割技術(shù)已廣泛的應(yīng)用于臨床病例中，而且具有深入研究的重要性。本文以曲線的變分水平集演化理論為基礎(chǔ)，詳細(xì)介紹了基于圖像邊緣信息和基于圖像區(qū)域信息的幾何活動(dòng)輪廓模型，并分析了它們?cè)趫D像分割中的優(yōu)點(diǎn)和不足，在深入研究了兩類(lèi)模型的基礎(chǔ)上，提出了一種改進(jìn)的基于圖像邊緣和區(qū)域兩類(lèi)信息的幾何活動(dòng)輪廓模型。
　　 筆者分析了基于圖像邊緣信息的幾何活動(dòng)輪廓模型在圖像分割中的優(yōu)缺點(diǎn)，以測(cè)地活動(dòng)輪廓模型（GAC）和

2、不需重新初始化水平集函數(shù)的李純明模型為代表，它們均能很好的處理曲線拓?fù)浣Y(jié)構(gòu)的變化，但對(duì)噪聲比較敏感，在圖像的分割結(jié)果中，容易出現(xiàn)許多假邊緣，而且經(jīng)過(guò)試驗(yàn)分析，測(cè)地活動(dòng)輪廓模型（GAC）的抗噪性更差一些?；趫D像區(qū)域信息的幾何活動(dòng)輪廓模型（Mumford-Shah模型和Chan-Vese模型），對(duì)初始曲線的選取沒(méi)有特殊要求，抗噪能力強(qiáng)，分割結(jié)果較準(zhǔn)確，所用時(shí)間較短，但對(duì)目標(biāo)的邊緣定位不精確。
　　 針對(duì)上述模型的優(yōu)缺點(diǎn)，本文研究提