分水嶺算法與水平集算法在醫(yī)學圖像分割應用中的研究.pdf

1、　　醫(yī)學圖像分割是目前圖像分割研究領(lǐng)域中非常活躍的一個分支，其目的是通過提取分割目標的特征，把感興趣的圖像區(qū)域從周圍環(huán)境中分離出來。
　　醫(yī)學圖像分割的結(jié)果直接關(guān)系到臨床診斷效果的好壞和治療的精度；分割的速度關(guān)系著能否符合臨床實時需求，為臨床醫(yī)生提供實時的交互手段；算法的魯棒性直接關(guān)系著在復雜的臨床環(huán)境下，能否保持其分割精度和可靠性；自動化程度則直接關(guān)系著算法在實際臨床中應用的效率，也是對精度可靠的保障。
　　本文在

2、充分研究水平集算法和分水嶺算法的基礎(chǔ)上，針對傳統(tǒng)水平集方法和分水嶺算法在醫(yī)學圖像處理時的優(yōu)缺點進行算法研究和改進。提出一種快速的水平集算法和改進的分水嶺算法，使其在醫(yī)學圖像分割上取得更好的效果。
　　首先，通過對分水嶺算法的研究，針對分水嶺算法在醫(yī)學圖像分割上存在的過分割問題嚴重和對噪聲敏感的缺點。提出一種改進的分水嶺算法，使其在醫(yī)學圖像分割上取得更好的效果，有效的解決過分割問題嚴重和對噪聲敏感的缺點。
　　其次，對

3、現(xiàn)有的幾種水平集算法模型進行分析比較，找出運行效率和分割結(jié)果總的來說效果最好的一種水平集算法LBF模型，通過改變核函數(shù)的方法對LBF模型進行改進，大大加快LBF模型的運行速度，得到一種快速的改進的LBF模型。
　　最后，針對LBF模型的分割結(jié)果受初始演化曲線的影響較大的特點，本文從分水嶺分割得到的分割結(jié)果中提取最大連通區(qū)域作為LBF模型的初始演化曲線，將分水嶺算法與水平集算法結(jié)合起來對大量醫(yī)學圖像進行分割。實驗驗證了該算法的可