结合概率密度函数和主动轮廓模型的磁共振图像分割

摘要

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法.首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数.然后,利用遗传算法和最大期望算法获取概率密度函数的参数值.最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果.与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73％和14.07％.该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度.