10.3969/j.issn.2095-5456.2013.04.009
水平集理论在磁共振脑图像分割中的模型研究
灰度不均匀性常出现在医学图像中,给图像分割问题带来很大困扰.为了提高鲁棒性,可在分割模型中引入各种先验知识,例如形状和灰度分布信息.而传统的引入先验知识的分割算法,如神经网络算法,仍存在许多问题,包括数据计算量大和边界不连续等.为了解决这些问题,提出了一种基于水平集理论的分割算法.利用局部区域的灰度信息定义能量函数,然后根据能量函数的最小化机制引导水平集曲线进化并最终收敛到目标边界.在仿真实验中,将局域化的水平集算法与传统的自组织映射神经网络算法进行比较.结果表明,所得到的算法在鲁棒去噪和目标边界的连续性方面效果更佳.
磁共振脑图像、图像分割、水平集、曲线进化、局域处理
25
TP391.41(计算技术、计算机技术)
国家级"大学生创新创业训练计划"项目201311035006;国家自然科学基金资助项目61203152;辽宁省自然科学基金资助项目20102154
2013-10-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
298-302