基于Vese-Chan多相水平集方法的医学图像分割

摘要

医学图像分割是一个传统而具有挑战性的课题。由于医学图像自身的特点，传统的单水平集方法并不能很好地解决其分割问题，因而迫切要求加快对多相水平集方法的研究。本文对多相水平集方法进行了深入的研究，主要包括以下四个方面： 首先，系统研究了水平集方法、Mumford-Shah模型的基本理论及其在图像分割领域的应用，通过具体实验指出单水平集方法在分割多相图像方面的缺陷，为后继的研究奠定了坚实的基础。 其次，介绍了几种有代表性的多相水平集方法，重点研究了Veese-Chan多相水平集方法，该方法具有理想的区域划分方案，可以分割分段常值和分段光滑图像，可以自然地避免多个水平集函数的重叠和“真空”问题，但该方法假定图像噪声符合分段常值分布，难以正确分割噪声符合复杂概率分布模型的多相图像。针对Vese-Chan多相水平集方法的这个缺陷，本文提出了改进的vese-Chan多相水平集方法，分别用于分割噪声符合Rayleigh概率分布模型的Ultrasound图像和Gauss概率分布模型的MRI图像。 再次，编程实现TVese-Chan多相水平集方法和改进的Vese-Chan1多相水平集方法，并将其应用于真实的医学图像分割实验中。随后将两种方法的实验结果进行了比较，实验结果表明，由于充分利用了图像噪声的概率分布规律，改进的Vese-Chan多相水平集方法在分~JUltrasound图像和MRI图像时能得到预期的效果。 最后，展望了将来的工作方向。

目录

文摘

英文文摘

声明

第一章引言

1.1课题背景及其意义

1.2本课题研究现状

1.3论文的主要工作与章节安排

第二章Level Set方法

2.1曲线演化理论

2.2水平集方法

2.3数值实现方法

2.4数值实验结果

2.5本章小结

第三章基于Mumford-Shah模型和水平集方法的图像分割

3.1 Mumford-Shah模型

3.2简化的Mumford-Shah模型

3.3基于简化Mumford-Shah模型的图像分割

3.4数值实验结果

3.5本章小结

第四章基于Vese-Chan多相水平集方法的医学图像分割

4.1多相水平集方法的引入

4.2 Vese-Chan多相水平集方法

4.3改进的Vese-Chan多相水平集方法

4.4实验结果及比较

4.5本章小结

第五章总结与展望

5.1本文的工作总结

5.2今后的工作展望

参考文献

攻读学位期间的研究成果

致谢