资源描述：
《基于局部和全局灰度信息的主动轮廓模型医学图像分割-毕业论文》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、基于局部和全局灰度信息的主动轮廓模型医学图像分割SanpingZhou,JinjunWangn,ShunZhang,YudongLiang,YihongGong中国陕西710049咸宁西路28号西安交通大学人工智能与机器人研究所文献信息文献背景:2015年8月21号接收2015年9月21号修订2015年9月21号通过审核ShaotingZhang确认关键词:医学图像分割不均匀的水平集方法最大后验概率(MAP)活动轮廓模型摘要 本文针对医学图像分割提出了一种新的基于区域的主动轮廓模型水平集方法.我们基于高斯概率分布定义了一个统一的能量拟合框架来得到最大后验概率（MAP）估计.能量项由根据演化
2、曲线内外的灰度,利用高斯分布来拟合的全局能量项,和基于局部灰度信息的局部高斯分布拟合的局部能量项构成.通过最小化相关的能量泛函驱动曲线演化,当演化曲线远离目标时,全局能量项加快其演化速度;而局部能量项使得曲线在接近目标边界时停止演化.此外,在局部能量项和全局能量项之间,通过使用局部和全局的方差信息提出一个加权函数,它使得该模型在分割灰度不均匀的图像时可以自适应地选择权重.与其他流行的方法相比较,在对合成图像和真实医学图像进行评价时,大量的实验证实了我们的方法在效率和精度上都有着着显著的改善.2016Elsevier公司保留所有权1、简介图像分割是图像处理和计算机视觉应用中的一项基本而重要的任
3、务,因为其分割结果将直接影响后续处理步骤的效果.医学图像分割的一个重要的挑战是由于偏置磁场灰度的不均匀性,这是由多种因素造成的,如照明的空间变化和成像设备的缺陷[1–3].由于在不同组织区域的灰度经常互相重叠,灰度不均匀性可能在医疗组织造成严重的错误分类.因此,在医学图像分割中如何处理灰度的不均匀性一直是一个具有挑战性的问题.在过去的几十年中,许多研究人员已经被吸引到研究灰度不均匀的图像分割算法上,并提出了许多有效的方法[4–12].最著名最有影响力的方法是活动轮廓模型,它作为有一个有前景的模型已被广泛用于图像分割.现有的活动轮廓模型可以大致分为两类:基于边缘的模型[13–18]和基于区域的
4、模型[19–25].基于边缘的模型利用边缘描述符作为一个附加的约束使得演化曲线在目标的边界上停止.通常,一个停止函数被用来吸引到期望的边界曲线.例如,GAC模型[13]利用图像梯度构造边缘停止函数停止演化曲线在目标边界上.一般而言,基于边缘的模型已成功地用于具有较强的目标边界的一般图像分割,但它们对噪声和弱边界通常是敏感的.替代利用图像梯度的边缘描述符,基于区域的模型通常的目标是确定每个感兴趣的区域,通过使用一个特定的区域描述符,如灰度,颜色,纹理或运动,以指导运动的发展曲线.因此,基于区域的模型对于在分割图像中存在的噪声和弱边界[20]问题一般有更好的性能.此外,基于区域模型的初始化没有基
5、于边缘的模型敏感.在基于区域的模型之间,逐段常数（PC）模型[19]是有代表性的一个,它利用全局灰度信息不断变化的曲线,而不是图像梯度驱使发展曲线的运动.同样,Cremers等人[20]采用全局灰度均值和方差信息来定义一个全局高斯分布拟合模型（GGDF）能量引导演化曲线停止在目标边界.然而,两者都不能够分割灰度不均匀的图像,因为他们认为,在每个区域中的灰度保持恒定,这在灰度不均匀的图像中是不准确的.2001年和2002年之后,Tsai等人[21]和Vese等人[22]对于更一般的图像分割提出的两个独立地相似区域型模型,众所周知的为分割更通用图像的逐段光滑（PS）模型.虽然逐段光滑（PS）模型
6、在灰度均匀的图像上没有呈现优势,但是它在分割灰度不均匀的图像时可以得到一个理想的结果.然而,逐段光滑（PS）模型的计算开销太大了.最近,局部灰度信息已被纳入主动轮廓模型用来处理灰度不均匀的图像.例如,Li等人.[23,24]提出了一种局部二值拟合（LBF）模型来克服在灰度不均匀性造成的分割中的困难.LBF模型利用局部灰度信息,从而能够处理灰度的不均匀性.然而,因为LBF模型只使用局部的平均信息驱动演化曲线的运动,所以它不能区分不同的区域灰度的差异.因此,必须考虑解释更完整局部灰度的统计特性.例如,Rosenhahn等人[25]在他们提出的主动轮廓模型中充分利用局部灰度均值和方差信息两者来表征
7、局部灰度分布.然而,在他们的模型中只是以经验为主的去定义了局部灰度均值和方差.在王等[4]提出的基于区域分布的活动轮（LGDF）模型中通过局部灰度均值和方差信息水平集公式从变分原理出发导出了其中的局部均值和方差,而不是通过经验来定义.因此基于区域分布的活动轮廓（LGDF）模型不仅可以处理灰度不均匀的图像,而且还可以区分不同灰度差异的区域.然而,基于区域信息的活动轮（LGDF）模型假设的先验概率描述像素属于一个
