基于活动轮廓模型的CVH图像分割技术研究

《基于活动轮廓模型的CVH图像分割技术研究》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、摘要摘要医学图像分割技术是实现可视人计划的关键。近年来图像偏微分方程和活动轮廓模型已成为图像处理和计算机视觉领域的研究热点。本论文所做的工作主要是研究基于活动轮廓模型的中国第一具女性可视人(CVH)解剖图像的分割技术，并提取其中的骨组织。论文的创新性成果包括:1.提出了一种新的基于GVFsnake模型的分割方法。包括二个要点:①在多尺度空间上计算梯度向量流。首先在较小的粗尺度图像上分割，得到大致的轮廓，然后将这个轮廓通过插值传递到细尺度图像上作为初始轮廓。实验结果表明，比原始的基于GVFsnake模型的分割算法减少了总迭代次数，从而节省了60%的运算时间;②为在彩色

2、图像上使用GVFsnake模型，取彩色解剖图像R,G,B三个空间的梯度向量值的最大值作为最终的梯度向量值。与传统的将GVFsnake模型直接用于灰度图像的方法相比，较充分地利用了图像的颜色信息，获得了更为精确的边缘轮廓。2.提出了一种改进的基于Mumford-Shah模型的图像分割方法。包括二个要点:①在曲线进化前对图像作非线性扩散，既避免了模型的复杂化，又解决了由于简化的Mumford-Shah模型没有祸合恢复过程所造成的处理含噪声的复杂图像效果不佳的问题;②为了克服Mumford-Shah模型计算量大，又不能使用窄带算法的局限性，采用在多尺度空间计算Mumfor

3、d-Shah模型的能量并使用零水平集的多初始化的方法，从而提高了时间效率。实验结果表明比原基于C-V简化的Mumford-Shah分割算法节省了70%的计算时间，取得了良好的效果。关键词:可视人医学图像分割活动轮廓模型图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