声明
摘要
1.1研究背景和意义
1.2本文研究的问题
1.2.1图像分割
1.2.2医学图像分割
1.2.3基于变分水平集活动轮廓模型
1.3国内外研究现状
1.3.1常用图像分割方法
1.3.2变分水平集活动轮廓模型
1.3.3基于水平集活动轮廓模型的医学图像分割方法
1.4本文组织结构和章节安排
第2章水平集活动轮廓模型综述
2.1相关数学理论
2.1.1偏微分方程
2.1.2变分法
2.1.3梯度下降流
2.2曲线演化理论
2.2.1切矢量
2.2.2法矢量与曲率
2.2.3曲线几何演化的一般方程
2.3水平集方法及曲线曲面的隐式表达
2.4水平集函数的初始化及重新初始化
2.5水平集方法的数值计算
2.6变分水平集方法
2.7本章小结
第3章基于多描述子活动轮廓模型医学图像分割方法研究
3.1引言
3.2典型模型描述
3.2.1LIC模型
3.2.2LGDF模型
3.3基于多描述子活动轮廓模型
3.3.1图像的局部熵
3.3.2数据拟合能量的定义
3.3.3水平集算法
3.3.4能量最小化
3.3.5算法计算步骤
3.4实验结果及分析
3.4.1MDAC算法有效性验证实验
3.4.2与LIC模型和LGDF模型的比较实验
3.5本章小结
第4章基于全局和局部拟合信息的活动轮廓模型
4.1引言
4.2典型模型分析
4.2.1C-V模型
4.2.2LBF模型
4.2.3LGIF模型
4.3基于分区熵全局信息和LBF局部信息的活动轮廓模型
4.3.1基于分区熵全局信息拟合能量的定义
4.3.2基于全局和局部信息能量泛函的建立
4.3.3能量泛函最小化算法
4.3.4算法的计算过程
4.4实验结果及分析
4.4.1初始轮廓鲁棒性验证实验
4.4.2与LBF和LGIF模型的比较实验
4.5本章小结
第5章基于参数化水平集医学超声图像快速分割算法研究
5.1引言
5.2背景知识
5.2.1传统水平集函数选用
5.2.2水平集函数正则化
5.2.3局部高斯分布拟合能量模型
5.2.4MSLCV模型
5.3参数化水平集活动轮廓模型建立
5.3.1参数水平集函数
5.3.2能量泛函的建立
5.3.3参数初始化
5.3.4能量最小化方法
5.4实验结果及分析
5.4.1多面体个数选择实验
5.4.2分割精度测试对比实验
5.4.3分割效率测试对比实验
5.5本章小结
第6章基于变分水平集多相脑MRI分割算法研究
6.1引言
6.2背景知识
6.2.1成员函数
6.2.2灰度不均匀图像模型
6.3多相分割模型建立
6.3.1能量泛函的建立
6.3.2水平集形式能量泛函
6.3.3能量最小化方法
6.3.4算法计算步骤
6.4实验结果及分析
6.4.1算法的有效性验证实验
6.4.2与多相LBF和LIC模型的对比实验
6.4.3抗噪性能测试实验
6.5本章小结
7.1总结
7.2展望
参考文献
致谢
攻读博士期间发表的论文
作者简介
东北大学;