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)域信息的幾何活動輪廓模型，并分析了它們在圖像分割中的優(yōu)點和不足，在深入研究了兩類模型的基礎(chǔ)上，提出了一種改進(jìn)的基于圖像邊緣和區(qū)域兩類信息的幾何活動輪廓模型。
　　 筆者分析了基于圖像邊緣信息的幾何活動輪廓模型在圖像分割中的優(yōu)缺點，以測地活動輪廓模型（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)過試驗分析，測地活動輪廓模型（GAC）的抗噪性更差一些。基于圖像區(qū)域信息的幾何活動輪廓模型（Mumford-Shah模型和Chan-Vese模型），對初始曲線的選取沒有特殊要求，抗噪能力強，分割結(jié)果較準(zhǔn)確，所用時間較短，但對目標(biāo)的邊緣定位不精確。
　　 針對上述模型的優(yōu)缺點，本文研究提