基于主動輪廓模型和水平集方法的圖像分割.pdf

1、圖像分割技術是圖像處理中的一項關鍵技術，分割結果直接影響后續(xù)的圖像分析和理解的效果。近年來，主動輪廓模型(Active Contour Model，ACM)由于其能較好地處理局部間斷邊緣等特性，受到人們的關注；而水平集方法(Level SetMethod)用定義在高維空間中的水平集函數(shù)替代了ACM方法中的參數(shù)曲線的演化，成功地解決了曲線演化中拓撲結構變化的問題。主動輪廓模型和水平集方法已成為圖像分割研究的一個重要的方向。
　　

2、本文研究和探討了多種基于主動輪廓模型和水平集的圖像分割方法，并輔助基本的圖像操作功能，搭建編寫了醫(yī)學圖像分割系統(tǒng)平臺軟件系統(tǒng)。本文首先實現(xiàn)并比較了兩種參數(shù)主動輪廓模型(Snake，GVF-Snake)，并應用于醫(yī)學圖像分割，然后研究并實現(xiàn)了兩種水平集方法：無重新初始化的水平集(Level Set Without Reinitialization,LSWR)、基于區(qū)域特征的水平集(Level Set Without Edges，LSWE)