基于偏微分方程的主動輪廓算法的研究.pdf

1、醫(yī)學圖像分割技術是進行醫(yī)學圖像分析和理解的基礎。與一般的圖像不同，醫(yī)學圖像往往存在低對比度、弱邊緣以及灰度分布不均等現(xiàn)象，常常需要結合醫(yī)學領域中的專業(yè)知識才能做出合理的分割。主動輪廓模型提供了一種引入高層知識的機制，是醫(yī)學圖像分割領域最成功的理論之一。
　　主動輪廓模型的基本思想是首先對圖像進行建模即確定一個能量泛函，然后通過最優(yōu)化技術最小化能量泛函，通過主動輪廓模型方法分割圖像的問題最終歸結為求解非線性偏微分方程(PDE)的問題

2、。初始輪廓線相當于PDE的初始解，最小化能量泛函的過程就是曲線不斷變形的過程，當能量泛函達到最小值時，也就完成了圖像分割過程。本文首先研究了經典的主動輪廓模型LBF模型。針對LBF無法利用全局信息的特點，本文在LBF模型的能量泛函中增加一個全局控制項，克服了LBF模型對輪廓初始位置敏感的缺點;另外，為了提高了分割精度，還加入了邊緣梯度約束項，并稱這種改進的模型為GLE模型。其次，本文研究了主動輪廓先驗分割模型，并提出了一種新的度量形狀差

3、異的方法?；谶@種方法構造的能量項與基于面積的先驗項相比可以更精確地度量出形狀的微小差異，而且可以使用快速的窄帶算法。在此基礎上，結合前面提出的GLE模型，得到了一種新的先驗分割模型GLES模型。此外，本文還提出了一種新的符號距離函數(shù)生成算法，新算法實現(xiàn)簡單，魯棒性好。為了減少進化仿射變換參數(shù)所需的時間，提出了一種基于圖像矩的位姿初始化算法，加快了GLES模型的進化速度。
　　在一系列的人工合成圖像和真實的醫(yī)學圖像上進行實驗，結果