水平集方法在医学图像分割中的一个应用

摘要

图像分割是目标识别,资源分类等研究的基础。在医学临床诊断,视频监控计算机视觉等多个林谷都有重要的应用。水平集方法以一种紧凑的方式来表达集合主动轮廓曲线的演化,并且为之提供稳定的数值计算。Chan和Vese提出的基于简化的Mumford-Shan模型的主动轮廓模型(C-V方法),能够很的检查出带有空洞的目标的内部区域,但只能处理两相图片的分割。基于C-V模型,Vese Chan推广到实用多个水平集函数来分割多相图像,即Vese-Chan变分多水平模型。该方法有以下优点:可以自动的避免水平集函数覆盖区域的“重叠”和“真空”问题。本文中,我们基于C-V模型以及Vese-Chan变分水平集模型,实现了如何利用单个水平集函数以及两个水平集函数来进行医学图像分割;讨论了这两种方法的优缺点。我们的图像分割数值实验结果验证了理论结果。