基于水平集方法的高斯噪聲圖像的三維分割.pdf

1、圖像三維分割是當(dāng)前圖像處理研究的熱點(diǎn)之一。在臨床醫(yī)學(xué)上，三維模型為醫(yī)生提供了直觀、全面、準(zhǔn)確的病灶和正常組織信息。醫(yī)學(xué)圖像具有眾多特點(diǎn)，并且新的分割算法也在不斷地提出中。變分方法借助多個(gè)水平集函數(shù)有效地實(shí)現(xiàn)多相圖像分割，不僅具備多相水平集方法的特性，更具備了多模型集成方面的能力。 本文主要以醫(yī)學(xué)圖像為對(duì)象，系統(tǒng)研究了水平集方法、Mumford-Shah模型的基本理論及其在圖像分割領(lǐng)域的應(yīng)用，采用區(qū)域劃分的多相水平集方法，并基于He

2、aviside函數(shù)設(shè)計(jì)出區(qū)域劃分的通用的特征函數(shù)，將變分水平集方法應(yīng)用于醫(yī)學(xué)圖像的三維分割中。該方法用n-1個(gè)水平集函數(shù)劃分n個(gè)區(qū)域，其能量泛函包括通用的區(qū)域模型、邊緣檢測(cè)模型和水平集函數(shù)為符號(hào)距離函數(shù)的約束項(xiàng)三部分；從而避免在迭代過(guò)程中對(duì)水平集函數(shù)進(jìn)行重新初始化的問(wèn)題。并針對(duì)所得到的曲面演化方程，采用半隱式差分格式進(jìn)行離散差分，編程實(shí)現(xiàn)了多相圖像分割的水平集方法，并對(duì)噪聲符合Gauss概率分布模型的MRI圖像三維分割，驗(yàn)證了所提出模型