方差能量最小化活动轮廓模型超声图像分割.pdf

《方差能量最小化活动轮廓模型超声图像分割.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、2014年3月计算机工程与设计Mar．2014第35卷第3期COMPUTERENGINEERINGANDDESIGNVo1．35No．3方差能量最小化活动轮廓模型超声图像分割李海燕，邹天宁。，李支尧。，张榆锋，陈建华，施心陵(1．云南大学信息学院，云南昆明650091；2．昆明医科大学第三附属医院乳腺外科，云南昆明650106；3．昆明医科大学第三附属医院超声科，云南昆明65O1O6)摘要：针对超声图像含有斑点噪声、低信噪比和低对比度的特点，提出了基于方差能量最小化的活动轮廓模型。该模型根据超声图像的统计性，利用目标区域和背景区域不同的高斯分布方差和均值控制模型的内外能量，实现超

2、声图像的自动分割。利用内核函数定义待分割目标附近能量信息的高斯分布，基于空间变量函数的局部均值和方差构建局部高斯分布能量，在全局图像域整合局部能量。将方差能量最小化能量函数并入水平集的标准变量方程，在能量泛函极小化驱动水平集曲线演化到目标边界的过程中，利用局部像素信息求取高斯分布的均值和方差，识别不同区域亮度的差异。对仿真和临床超声图像分割的主客观实验结果表明，提出的方法能有效克服斑点噪声影响，自动、准确地对各类超声图像进行分割。关键词：超声图像；图像分割；活动轮廓模型；高斯方差；能量最小化中图法分类号：TP391文献标识号：A文章编号：1000—7024(2014)03—094

3、3—06UltrasoundimagessegmentationusingactivecontourmodelwithenergyminimizationofGaussianvarianceLIHai—yan，ZOUTian—ning。，L1Zhi—yao。，ZHANGYu—feng，CHENJian-hua，SHIXin-ling(1．SchoolofInformationScienceandEngineering，YunnanUniversity，Kunming650091，China；2．BreastSurgeryDepartment，ThirdHospitalAffili

4、atedtotheMedicalUniversityofKunming，Kunming650106，China；3．UltrasoundDepartment，ThirdHospitalAffiliatedtOtheMedicalUniversityofKunming，Kunming650106，China)Abstract：Aimedatthedifficultsegmentationofultrasoundimagewithspecklenoise，lowresolutionandpoorcontrast，anovelactivecontourmodelwiththevaria

5、nceenergyminimizationisproposed．ThedifferentvarianceandmeanoftheGaussiandistri—butionmodelbetweenthetargetareasandbackgroundareasbasedontheimagestatisticalcharacteristicsisappliedtocontroltheinternalandexternalenergyoftraditionalactivecontourmodeltoautomaticallysegmenttheultrasoundimages．Firs

6、tly，theGaussiandistributionoftheenergyclosetOthepromisingtargetareaisdefinedbyusingthekernelfunction．Subsequently，thelocalGaussianenergydistributionisestablishedbasedonthelocalmeanandvarianceofspacevariablefunctionandisintegratedintheglobalimagefield．Finally，thevarianceenergyminimizationfunct

7、ioniscombinedwiththevariablefunctionofconventio-nallevelset．WhilelevelsetcurveevolvestOthetargetboundarydrivenbytheminimizationofenergyfunctional，theareaswithvariousintensitiesaredifferentiatedbyusingthemeanandvarianceofGaussiandistributionba