基于Snake模型的醫(yī)學(xué)圖像分割算法研究.pdf

1、醫(yī)學(xué)圖像分割技術(shù)是醫(yī)學(xué)圖像處理和分析領(lǐng)域的基礎(chǔ)技術(shù)之一，它是其它醫(yī)學(xué)影像后處理（如三維可視化、手術(shù)導(dǎo)航等）的基礎(chǔ)，也是計(jì)算機(jī)視覺技術(shù)中的關(guān)鍵步驟，因此也成為近年來備受研究人員關(guān)注的熱點(diǎn)問題。參數(shù)活動輪廓線模型即Snake模型所特有的高度動態(tài)特性，使之非常適用于醫(yī)學(xué)圖像的分割和輪廓提取處理。
　　本文首先概述了圖像分割的目的和意義，研究的背景和現(xiàn)狀，并對參數(shù)活動輪廓模型的分割方法進(jìn)行了綜述。其次介紹了傳統(tǒng)Snake模型的基本原理、模

2、型與變分法的關(guān)系，以及該算法的仿真結(jié)果。然后介紹了氣球模型、距離勢能等模型，并重點(diǎn)闡述了梯度向量流模型，并給出了一些仿真實(shí)驗(yàn)。
　　本文針對Snake模型捕獲區(qū)域有限，弱邊界、漏邊界的檢測等問題，由最小化能量函數(shù)入手，提出了一種新的外力模型——方向保持梯度向量流(DPGVF)參數(shù)活動輪廓模型，并利用仿真圖像和臨床采集圖像對該方法進(jìn)行了全面的測試，實(shí)驗(yàn)結(jié)果表明該方法在很大程度上避免了初始輪廓線離目標(biāo)很近的邊界干擾以及弱邊界、漏出邊界

3、間隙等問題，提高了對初始化位置的魯棒性，對于復(fù)雜的醫(yī)學(xué)圖像具有很好的分割效果。
　　由于醫(yī)學(xué)圖像的多樣性，使其具有灰度不均勻、噪聲干擾等特點(diǎn)，當(dāng)初始輪廓線的位置選擇不合理時(shí)，就可能得不到準(zhǔn)確而穩(wěn)定的分割結(jié)果。為此，本文融入了神經(jīng)網(wǎng)絡(luò)的概念，可以直接將初始輪廓線的位置設(shè)置在目標(biāo)邊界的周圍，實(shí)驗(yàn)表明該方法不但縮短了演化的時(shí)間，而且在強(qiáng)噪聲的情況下性能穩(wěn)定，所以更加適用于醫(yī)學(xué)圖像分割領(lǐng)域。
　　最后，作者對自己的研究工作進(jìn)行了總結(jié)