基于活动轮廓模型的医学图像分割方法研究

作     者：李小田 

作者单位：南京信息工程大学 

学位级别：硕士

导师姓名：张建伟

授予年度：2012年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：图像分割 水平集活动轮廓模型 二值水平集活动轮廓模型 Local Fitting Image模型 

摘      要：医学图像分割的目的是将医学图像划分为若干个互不相交的“连通区域,并使得到的结果尽可能接近真实结果。但是由于人体结构的复杂性、个体之间的差异性、成像机制影响,使得准确分割医学图像成为医学图像分析中最困难和最具有挑战性的问题之一。 近年来,基于水平集活动轮廓模型的图像分割算法凭借其优良的性能受到了广大学者的广泛关注,本文针对这一类图像分割算法进行了较为深入的研究。 首先,本文系统分析了曲线演化理论和水平集理论并分析了几种基于传统水平集活动轮廓模型的图像分割方法,如无需重新初始化水平集模型、Chan-Vese模型等。 其次,深入研究了基于二值水平集活动轮廓模型的图像分割方法。二值水平集活动轮廓模型不同于传统水平集活动轮廓模型,它采用二值水平集函数代替传统的水平集函数,从而避免了将水平集函数重新初始化为符号距离函数的过程,很大程度上提高了运算效率。同时,二值水平集活动轮廓模型还保持着自动处理轮廓线的拓扑变化能力。在分析了经典的基于二值的LBF（local binary fitting）模型和基于二值水平集函数的LFI（local fitting image）模型的基础上,针对LFI模型丧失演化曲线的渐进性这一缺点,提出了一种改进的模型。该模型把吸附因子引入到二值LFI模型使其作为曲线新的约束力,演化曲线在该作用力下,逐步和有序地向目标边界靠并近降低了图像背景对目标分割影响,使得模型有针对性的对目标边界进行分割,从而达到理想的分割结果。