一种改进的变分水平集的图像分割算法

摘要：

为了解决灰度不均匀现象对医学图像的干扰问题，提出了基于局部极性信息的活动轮廓模型。通过引入局部图像信息，该模型能有效地分割灰度不均匀图像。在规则化项中增加的能量惩罚项，使得水平集函数在演化过程中保持为近似的符号距离函数。该算法将图像分割问题归结为曲线能量泛函的最小化，首先建立包含局部灰度信息（极性信息）和改进的符号距离函数的曲线演化能量泛函；然后采用变分水平集方法求解能量函数的最小值，得到最终的分割结果。真实医学图像和人工合成图像的实验结果表明，此方法对灰度不均匀的医学图像有较高的分割精确度，在图像分割速度上有较大提高。由于利用了局部灰度信息，可以有效地分割灰度不均匀的医学图像，而改进后的变分水平集可以完全避免重新初始化，使得图像分割效率大大提高了。

关键词：变分水平集、图像分割、符号距离函数、极性信息

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61462065,61263046,61165011

在线出版日期：2015-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：740-746