基于局部统计信息的快速CV模型MR图像分割
Chan-Vese(CV)模型以其能较好地处理图像的模糊边界和复杂的拓扑结构而广泛运用于图像分割中.但由于核磁共振(MR)图像广泛存在强度不均匀性,因此CV模型不仅不能进行准确的分割,而且迭代过程需要对所有图像数据进行反复计算,分割效率很低.针对以上缺点,提出了一种基于局部统计信息的用于快速进行图像分割的CV模型,即首先存局部区域内,通过计算统计量来得到像素点归类的贝叶斯后验概率,并以此作为曲线演化的依据,这样,就能对强度不均匀的MR图像进行准确的分割;然后设置两个表分别存储曲线内外部邻点,并通过更新这两个表内的点来实现曲线演化,从而不但大幅提高了计算速度,并保持了水平集方法能自动处理拓扑结构变化的优点.
CV模型、贝叶斯后验概率、水平集MR图像分割
15
TP391.41(计算技术、计算机技术)
江苏省教育厅"青蓝工程"项目JSK2006018
2010-04-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
69-74