已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、超聲圖像的精確分割是高強度聚焦超聲(HIFU)治療中非常重要的環(huán)節(jié)，是后期重建、配準以及治療能達到良好效果的前提。然而，由于超聲圖像所具有的低對比度、邊界模糊以及斑點噪聲等固有特點，超聲圖像的分割一直都是一個較難解決的問題。
論文首先研究了基于邊界信息的水平集活動輪廓模型GAC模型，以及該模型的改進模型即無需重新初始化的活動輪廓模型。改進后的模型消除了重新初始化過程的必要性，同時引入加速項加速了模型的演化過程。通過對人工合
2、成圖像和真實超聲圖像的分割結(jié)果分析對比得到，改進后的模型在縮短了模型演化時間的同時也提高了分割的準確性。
然后研究了基于區(qū)域信息的活動輪廓模型Chan-Vese模型，以及Chan-Vese模型的改進模型即RSF模型。RSF模型通過定義局部灰度擬合能量項，并且將局部的灰度變化加入到總的能量方程中作為分割算法的特征考慮。實驗表明，該模型對不符合分片同質(zhì)假設條件的圖像能得到較之Chan-Vese模型更好的分割結(jié)果。
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于活動輪廓模型的超聲醫(yī)學圖像分割.pdf
- 基于活動輪廓模型的圖像分割方法研究.pdf
- 基于活動輪廓模型的圖像分割方法.pdf
- 基于氣球力活動輪廓模型的超聲圖像分割研究.pdf
- 基于活動輪廓模型的紅外圖像分割方法研究.pdf
- 基于活動輪廓模型的超聲圖像分割技術研究.pdf
- 基于活動輪廓模型的醫(yī)學圖像分割方法研究(1)
- 基于幾何活動輪廓模型的圖像分割方法研究.pdf
- 基于相位的活動輪廓模型的甲狀腺超聲圖像分割.pdf
- 基于局部區(qū)域活動輪廓模型的圖像分割方法研究.pdf
- 基于活動輪廓模型分割方法研究.pdf
- 基于活動輪廓的圖像分割模型研究.pdf
- 基于活動輪廓模型的醫(yī)學圖像分割.pdf
- 基于區(qū)域活動輪廓模型的圖像分割.pdf
- 基于活動輪廓模型的圖像分割方法研究【開題報告】
- 基于活動輪廓模型的圖像分割方法研究【畢業(yè)論文】
- 基于活動輪廓模型的圖像分割方法研究【任務書】
- 基于改進活動輪廓模型的SAR圖像分割方法研究.pdf
- 基于主動輪廓模型的圖像分割方法研究.pdf
- 圖像分割的活動輪廓模型研究.pdf
評論
0/150
提交評論