多描述子活动轮廓模型的医学图像分割
目的 医学图像分割结果可帮助医生进行预测、诊断及制定治疗方案.医学图像在采集过程中受多种因素影响,同一组织往往具有不同灰度,且伴有强噪声.现有的针对医学图像的分割方法,对图像的灰度分布描述不够充分,不足以为精确的分割图像信息,且抗噪性较差.为实现医学图像的精确分割,提出一种多描述子的活动轮廓(MDAC)模型.方法 首先,引入图像的熵,结合图像的局部均值和方差共同描述图像的灰度分布.其次,在贝叶斯框架下,引入灰度偏移因子,建立活动轮廓模型的能量泛函.最后,利用梯度下降流法得到水平集演化公式,演化的最后在完成分割的同时实现偏移场的矫正.结果利用合成图像和心脏、血管和脑等医学图像进行了仿真实验.利用MDAC模型对加噪的灰度不均图像进行分割,结果 显示,在完成精确分割的同时实现了纠偏.通过对比分割前后图像的灰度直方图,纠偏图像只包含对应两相的两个峰,且界限更加清晰;与经典分割算法进行对比,MDAC在视觉效果和定量分析中,分割效果最好,比LIC的分割精度提高了30％多.结论 实验结果表明,利用均值、方差和局部熵共同描述图像灰度分布,保证了算法的精度.局部熵的引入,在保证算法精度的同时,提高了算法的抗噪性.能泛中嵌入偏移因子,保证算法精确分割的同时实现偏移场纠正,进一步提高分割精度.
医学图像分割、活动轮廓模型、局部熵、灰度不均匀、偏移场
23
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61503274,61603080,61701101;中央高校基本科研业务费N160404003,N162610004,N150403009;辽宁省博士启动基金项目201601019National Natural Science Foundation of China61503274,61603080,61701101;Fundamental Research Fund for the Central Universities of ChinaN160404003,N162610004,N150503009;Liaoning Dr.Start-Up Fund201601019
2018-04-25（万方平台首次上网日期，不代表论文的发表时间）
共8页
434-441
