改进的变分水平集算法在灰度不均匀mri图像分割中应用 (自动保存的) (修复的)

《改进的变分水平集算法在灰度不均匀mri图像分割中应用 (自动保存的) (修复的)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、改进的变分水平集算法在非均质MRI图像分割中的应用*国家自然科学基金资助项目（61305147），河南省科技厅项目（122100210065）作者简介：王昌（1984-），男，新乡医学院助教，研究方向：医学图象处理，医学仪器。通讯作者：王昌电子邮箱:（wangchang@xxmu.edu.cn）手机:15537323751王昌秦鑫于毅新乡医学院生物医学工程学院（新乡453003）摘要：对于灰度不均匀的MRI图像，普通C-V模型不能进行有效分割。为此本文提出了一种改进的变分水平集算法，在对不均匀组织进行分割的同时用偏置场矫正原始图像。首先依据图像灰度不均匀效应模

2、型，定义了基于局部灰度信息的K均值聚类准则，并将聚类准则项整合为变分水平集函数的基本能量项，构造变分水平集的能量函数，并求解能量函数的欧拉-拉格朗日方程。将本算法的分割结果与CV模型及LBF模型的分割结果进行比较，该算法可在分割灰度不均匀MRI图像的同时利用偏置场对灰度不均匀场进行校正，有很好的临床应用价值。关键词：变分水平集算法、灰度不均匀、偏置场、K均值聚类、MRI图像分割Theapplicationofimprovedvariational levelset in the segmentationofMRIimagewithintensityinhomo

3、geneityWangChangQinXinYuYiSchoolofBiomedicalEngineering,XinxiangMedicalUniversity,Xinxiang453003,ChinaAbstract:ItisdifficulttosegmenttheMRIimageswithintensityinhomogeneitybyC-Vactivecontourmodel.Sotheimprovedvariationallevelsetformulationwasproposedinthispapertosegmenttissuewiththei

4、ntensityinhomogeneityandsimultaneouslyestimatebiasfieldtocorrectthesourceimage.Firstlybasedontheimagemodelwithintensityinhomogeneity,thelocalK-meansclusteringcriterionwasdefined.Thentheclusteringcriterionfunctionwasintegratedintothebasicenergytermofvariationallevelsetformulation,and

5、theenergyfunctionofthevariationallevelsetformulationwasconstructed.TheenergyfunctionwasminimizedbysolvingEuler-Lagrangeequation.BycomparingwiththesegmentationresultsofC-VmodelandLBFmodel,thisalgorithmcansegmenttheMRIimagewithintensityinhomogeneityandestimatebiasfieldtocorrectthesour

6、ceimage.Ouralgorithmhasgoodclinicalapplicationvalue.Keywords:variationallevelset,intensityinhomogeneity,biasfield,K-meansclustering,MRIimagesegmentation1引言当前，在磁共振成像过程中，由于射频线圈产生不均衡的磁场等因素造成磁共振图像具有灰度不均匀的特点[1]，影响影像医生对病变区域地识别和判断，且不同医生对目标和病变区域地识别也不完全一致。如何准确分割灰度不均匀的MRI图像成为当前研究热点。基于能量泛函的水平集

7、分割算法可利用不断演化的闭合曲线来获取非闭合的目标和轮廓，水平集算法是当前分割提取目标的主流算法。水平集算法包括边缘型和区域型两类。CasellesV在1997年提出测地线主动轮廓模型(GeodesicActiveContours)[2]，该模型是基于边缘型的水平集模型，依赖图像局部的边缘梯度信息，可用于强边缘目标的分割，但是对边缘梯度信息变化小、无明显梯度变化的弱边缘分割效果差，并且容易受到噪声的影响。Chan和Vese在2001年提出Chan-Vese模型(C-V模型)[3]，该模型是基于区域的水平集模型，是对Mumford-Shah能量泛函的优化，计算区

8、域内外灰度均值，通过最小化能量泛函来指