基于LevelSet的醫(yī)學影像分割.pdf

1、醫(yī)學影像分割技術(shù)是醫(yī)學影像中的重要技術(shù)，醫(yī)學影像分割的效果直接決定著計算機輔助診斷系統(tǒng)的成敗。經(jīng)過多年的研究，國內(nèi)外學者已經(jīng)提出了多種算法，但絕大多數(shù)算法都是針對某一具體問題的。
　　 本文主要研究基于水平集的醫(yī)學影像分割。水平集方法的出現(xiàn)，極大地推動了活動輪廓模型的發(fā)展。水平集方法和曲線演化模型相結(jié)合，克服了傳統(tǒng)Snake模型的很多缺陷，極大地拓展了活動輪廓模型的應(yīng)用領(lǐng)域。
　　 本文首先對現(xiàn)有的醫(yī)學影像分割算法進行了

2、比較全面的綜述。在介紹過幾何活動輪廓模型和水平集方法之后，討論了水平集方法的兩種快速算法，并總結(jié)出水平集方法的優(yōu)缺點。針對水平集方法計算量比較大這一缺點，本文提出了一種無需重新初始化的基于圖像邊緣信息的變分水平集圖像分割算法，從而完全消除了真正影響水平集計算量的重新初始化步驟，在加速輪廓線演化的同時提高了算法的魯棒性。針對水平集方法演化速度較慢的缺點，本文提出了一種基于稀疏場方法的水平集分割算法，該方法減少了每次迭代時更新的像素，增加了