變形模型及其在醫(yī)學(xué)圖像分割中的應(yīng)用研究.pdf

1、變形模型憑借其獨特的優(yōu)勢,在圖像分割領(lǐng)域受到了越來越廣泛地研究和應(yīng)用.本文對變形模型在醫(yī)學(xué)圖像分割中的應(yīng)用做了系統(tǒng)研究并加以改善,主要在以下幾個方面作了拓展和創(chuàng)新性工作:提出了基于提升B樣條小波的GVF(梯度矢量流)模型:雖然GVF變形模型解決了傳統(tǒng)參數(shù)變形模型的兩個關(guān)鍵性問題,但它對初始輪廓位置有一定要求,計算量也很大.小波分解具有多分辨率特性,并且小波變換的模極大值與信號的突變有對應(yīng)關(guān)系.二次B樣條小波在邊緣提取中是最優(yōu)的,提升方法

2、已成為構(gòu)造第二代小波的關(guān)鍵技術(shù),所以設(shè)計了基于提升B樣條小波的GVF模型.此模型利用了GVF模型分割復(fù)雜幾何結(jié)構(gòu)的優(yōu)勢,同時利用小波分解的特性降低了GVF模型對初始位置的敏感度；另外,由于應(yīng)用提升方法,小波變換問題簡化,計算速度快. 應(yīng)用改進的各向異性擴散濾波方法提高基于水平集的幾何變形模型的抗噪性:基于水平集的幾何變形模型可以容易地處理拓?fù)涞淖兓蛷?fù)雜的幾何形體,但仍受噪聲的影響,容易得出錯誤的結(jié)果.傳統(tǒng)的高斯濾波在平滑去噪的

3、同時也會模糊圖像的重要信息.各向異性擴散濾波不僅能很好地保持目標(biāo)的邊界而且對邊界具有增強的作用.本文應(yīng)用對稱指數(shù)濾波器對各向異性擴散濾波進行改進,并引入自適應(yīng)估計k值法,并進一步提出基于改進的各向異性擴散濾波的幾何變形模型,應(yīng)用其對醫(yī)學(xué)圖像進行分割,可以很好地提高基于水平集的幾何變形模型抗噪性.提出遞進的基于窄帶的多分區(qū)C-V方法:Mumford-Shah模型可解決基于水平集的幾何變形模型的"泄漏"問題.Chan和Vese提出一種簡化的

4、基于水平集的Mumford-Shah分割模型,進一步又提出了應(yīng)用多個水平集函數(shù)的多分區(qū)方法,可處理復(fù)雜的幾何結(jié)構(gòu),但它計算量大、初始化困難,本文針對上述問題提出遞進的多分區(qū)C-V方法,此遞進方法分為多個階段,每一階段只需一個水平集函數(shù)； 并且,下一級分割步驟是在上一級分割步驟完成之后進行的；在每一級分割過程中,應(yīng)用了窄帶區(qū)域,只是處理窄帶中的點,計算量大大減少.此算法對復(fù)雜幾何結(jié)構(gòu)的處理能力加強,相比多分區(qū)C-V方法計算速度加快