基于活動輪廓模型的CVH圖像分割技術研究

《基于活動輪廓模型的CVH圖像分割技術研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、摘要摘要醫(yī)學圖像分割技術是實現(xiàn)可視人計劃的關鍵。近年來圖像偏微分方程和活動輪廓模型已成為圖像處理和計算機視覺領域的研究熱點。本論文所做的工作主要是研究基于活動輪廓模型的中國第一具女性可視人(CVH)解剖圖像的分割技術，并提取其中的骨組織。論文的創(chuàng)新性成果包括:1.提出了一種新的基于GVFsnake模型的分割方法。包括二個要點:①在多尺度空間上計算梯度向量流。首先在較小的粗尺度圖像上分割，得到大致的輪廓，然后將這個輪廓通過插值傳遞到細尺度圖像上作為初始輪廓。實驗結果表明，比原始的基于GVFsnake模型的分割算法減少了總迭代次數(shù)，從而節(jié)省了60%的運算時間;②為在彩色

2、圖像上使用GVFsnake模型，取彩色解剖圖像R,G,B三個空間的梯度向量值的最大值作為最終的梯度向量值。與傳統(tǒng)的將GVFsnake模型直接用于灰度圖像的方法相比，較充分地利用了圖像的顏色信息，獲得了更為精確的邊緣輪廓。2.提出了一種改進的基于Mumford-Shah模型的圖像分割方法。包括二個要點:①在曲線進化前對圖像作非線性擴散，既避免了模型的復雜化，又解決了由于簡化的Mumford-Shah模型沒有禍合恢復過程所造成的處理含噪聲的復雜圖像效果不佳的問題;②為了克服Mumford-Shah模型計算量大，又不能使用窄帶算法的局限性，采用在多尺度空間計算Mumfor

3、d-Shah模型的能量并使用零水平集的多初始化的方法，從而提高了時間效率。實驗結果表明比原基于C-V簡化的Mumford-Shah分割算法節(jié)省了70%的計算時間，取得了良好的效果。關鍵詞:可視人醫(yī)學圖像分割活動輪廓模型圖像偏微分方程水平集AbstractAbstractMedicalimagesegmentationisthekeyofrealizingtheVHRNowactivecontourmodelsarethefocusofimageprocessandcomputervision.Theprimarytaskofthethesisistostudyima

4、gesegmentation'smethodsbasedonactivecontourmodels,whicharesuitablefortheanatomicalimagesofthefirstChinesefemalevisiblehuman(CVH),andtosegmentthebone.Theinnovativeachievementsofthethesisinclude:1.AnewsegmentationmethodbasedonGVFsnakeisproposed.BycomputingGVFondifferentscalesandpassingth

5、efinalcontourofthecoarsescaletothefinescaleasthefirstone,itcanreducethetotaltimesofevolvementand60%ofthealgorithm'scomputetimethantheoriginalsegmentationalgorithmbasedonGVFsnake.Andamethodofusingactivecontourmodeloncolorimagesisproposed,whichcanutilizethecolorinformationoftheimagemorea

6、dequatelythanthemethodusingtheGVFsnakemodelonthegrayimagedirectly.2.AnimprovementsegmentationmethodbasedonMumford-Shahmodelisproposed.Usinganisotropicdiffusionbeforeevolvement,itcansolvetheproblemthatsimpleMumford-Shahmodelcannotprocessthecomplicatedimagesincludingyawpperfectlywithoutc

7、omplicatingthemodel.Themethodsuccessfullyintroducesthemulti-scaleandmulti-initializationstrategiestocomputetheenergyoftheMumford-Shahmodel,andreduces70%ofthealgorithm'scomputetimethanthesegmentationalgorithmbasedonC-VsimpleMumford-ShahmodelKeyword:VisibleHuman,MedicalImageSegmentatio