基于形状先验信息的主动分割模型的研究

摘要

由于现实中获得的图像总是不可避免的受到污染；如噪声、阴影和遮挡等等，导致不能对目标进行正确的分割，一种有效的解决办法就是引入先验知识。本文设计了一种基于先验信息的主动轮廓模型。我们设计的主动轮廓能量泛函由两部分构成：第一部分是基于图像信息的，包括梯度信息和区域均匀性准则；第二项是形状能量项，它保证主动轮廓在统计形状模型所允许的范围下形变，为了捕获形状信息，我们首先利用水平集方法表示目标形状，并对形状进行配准，然后我们建立统计模型，定义形状样本训练集的概率分布，利用主成分分析（PCA）得到形状的变化模式，最后把形状信息融入主动轮廓模型。这样设计使得分割结果既依赖于全局图像的信息，又考虑了先验形状所提供的信息。能量泛函的极小值由变分法求解，利用梯度下降法和水平集方法推倒演化方程。我们用设计的模型对人工合成图像和心脏MRI图像进行了分割，得到了预期的效果。

目录

声明及学位论文使用授权声明

摘要

第一章绪论

第二章主动模型分析

第三章基于先验形状的主动轮廓模型

第四章数值实验结果与分析

第五章工作总结与展望

致谢

参考文献