圖像分割的水平集模型及其在醫(yī)學圖像分割中的應用研究.pdf

1、圖像分割理論的發(fā)展中，水平集模型的出現(xiàn)極大地推動了圖像分割領域的研究。水平集模型結合曲線演化理論，應用圖像梯度矢量流，有效克服參數(shù)模型的不足，大大的擴展了主動輪廓模型的研究。本文在研究水平集分割模型的基礎上，對水平集圖像分割中的問題進行了探索，從算法模型的結構上、能量函數(shù)的優(yōu)化方面、參數(shù)計算的復雜性及函數(shù)的最小化優(yōu)化等方面對醫(yī)學圖像數(shù)據(jù)的分割方法進行了研究。除此之外，還針對處理不同圖像體數(shù)據(jù)的適應性算法進行了研究，分別提出基于變分計算，

2、曲率理論，先驗知識，聚類分析，形態(tài)特征和圖論優(yōu)化的算法模型。
　　本文的主要研究內(nèi)容如下：
　?。?）提出了變分能量擬合水平集算法（GVLS），算法采用全局和局部圖像結構信息的思想，引導水平集模型捕捉噪聲以外的微小細節(jié)，能夠較完整的檢測圖像目標的結構信息。引入PM各向異性濾波算法，進一步應用差分計算使圖像特征突顯，并結合局部、全局最小化算法模型的特點，改善了水平集模型分割強度有變化、背景復雜及有強烈噪聲干擾圖像目標的能力。<

3、br>　?。?）提出了梯度向量流水平集算法（GVFLS），算法中用一種新的能量項來計算水平集模型的計算復雜度與相關約束性的最小化過程。描述過程是基于正則化和曲線曲率的優(yōu)化思想，權衡了計算的復雜度，用曲率估算達到目標輪廓的精度要求，使水平集算法分割曲線收斂于期望的目標邊緣。
　　（3）提出了形態(tài)特征先驗知識幾何主動輪廓算法（MCS），為了在初始分割時能更好的定位分割目標，引入中點圓Hough算法確定左心室圖像的圓形結構，算法將基于C

4、V模型的幾何主動輪廓模型的圖像目標區(qū)域信息和先驗形狀信息表示成速度場，嵌入到主動輪廓的迭代方程中，在先驗信息模型的引導下，將圖像背景與目標進行初始定位與標記，驅(qū)使曲線演化于最終目標邊界。
　　（4）提出了基于聚類分割的幾何主動輪廓算法（KmGAC），算法模擬了分割曲線的內(nèi)部和外部區(qū)域，將能量函數(shù)通過聚類算法進行迭代最小化，將圖像的前景和背景進行學習，使演化曲線能量函數(shù)降到最小值。聚類算法計算圖像目標的前景和背景的分段值，同時修訂和

5、發(fā)現(xiàn)前景、背景值，經(jīng)過對算法的優(yōu)化，算法具有很好的目標邊界捕捉能力，演化速度迅速。
　?。?）提出了基于圖優(yōu)化的多相水平集分割算法（MLS），經(jīng)過改進的水平集方法既不需要求解歐拉方程，也不需要計算任何的偏微分方程，模型的最小化用圖分割的思想進行優(yōu)化。算法對目標的初始化要求低，參數(shù)選擇自由，曲線演化穩(wěn)定，收斂迅速。
　　最后，為了對本文中五種算法的性進行比較說明，將五種算法在同一醫(yī)學腦部數(shù)據(jù)上進行了比較，并分析了各算法所面對的