發(fā)布時(shí)間：2018-11-06 17:47

【摘要】：基于局部高斯擬合的主動(dòng)輪廓模型利用圖像的均值和方差信息來(lái)擬合圖像信息。與只利用圖像灰度均值信息建模的主動(dòng)輪廓模型相比,該模型能很好地分割復(fù)雜的醫(yī)學(xué)圖像。但該模型僅利用了圖像的局部信息建模,因此收斂速度比較慢;并且在建立能量泛函時(shí),采用傳統(tǒng)的Heaviside函數(shù),分割精度不高。針對(duì)這些缺陷,在改進(jìn)Heaviside函數(shù)的基礎(chǔ)上,引入全局高斯擬合項(xiàng),并且對(duì)局部高斯擬合項(xiàng)和全局高斯擬合項(xiàng)的權(quán)重系數(shù)均采用自適應(yīng)的方法進(jìn)行調(diào)整,得到基于局部和全局高斯擬合的主動(dòng)輪廓分割模型。改進(jìn)模型不僅能有效分割均值相同但方差不同的圖像,還能有效分割質(zhì)量較差的醫(yī)學(xué)圖像,并通過(guò)實(shí)驗(yàn)檢驗(yàn)了改進(jìn)模型的性能。
[Abstract]:The active contour model based on local Gao Si fitting uses the mean and variance information to fit the image information. Compared with the active contour model, which only uses gray mean information, the model can segment complex medical images well. But the model uses only the local information of the image, so the convergence rate is slow, and the traditional Heaviside function is used to build the energy functional, so the segmentation accuracy is not high. Aiming at these defects, based on the improvement of Heaviside function, the global Gao Si fitting term is introduced, and the weight coefficients of both the local Gao Si fitting item and the global Gao Si fitting term are adjusted by adaptive method. An active contour segmentation model based on local and global Gao Si fitting is presented. The improved model not only can effectively segment images with the same mean value but different variance, but also can effectively segment medical images with poor quality. The performance of the improved model is verified by experiments.
【作者單位】： 賀州學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院;湖南文理學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：廣西高�？蒲许�(xiàng)目(ZD2014129) 賀州學(xué)院校級(jí)科研項(xiàng)目(2016ZZZK11)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王永昌,韓崇昭,周立夏,鄭林;一種分階段的主動(dòng)輪廓算法[J];計(jì)算機(jī)工程;2003年19期

2 楊襄;黎紹發(fā);;魚(yú)群主動(dòng)輪廓模型算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年09期

3 尚巖峰;汪輝;汪寧;陳杰;姚麗萍;孫琨;;管狀特性和主動(dòng)輪廓的3維血管自動(dòng)提取[J];中國(guó)圖象圖形學(xué)報(bào);2013年03期

4 尚巖峰;楊新;朱銘;金彪;劉明;;基于先驗(yàn)知識(shí)和幾何主動(dòng)輪廓線的三維超聲瓣膜分割[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年01期

5 李衛(wèi)江;劉侍剛;李娜;樊�，|;郭曉汾;;基于主動(dòng)輪廓外力場(chǎng)模型的車(chē)輛分割方法[J];現(xiàn)代電子技術(shù);2008年08期

6 楊楊,張?zhí)镂?一種新的主動(dòng)輪廓線跟蹤算法[J];計(jì)算機(jī)學(xué)報(bào);1998年S1期

7 李熙瑩,倪國(guó)強(qiáng);一種自動(dòng)提取目標(biāo)的主動(dòng)輪廓法[J];光子學(xué)報(bào);2002年05期

8 尚巖峰;汪輝;汪寧;;基于高斯混合分布和區(qū)域競(jìng)爭(zhēng)主動(dòng)輪廓的醫(yī)學(xué)目標(biāo)分割[J];計(jì)算機(jī)科學(xué);2012年09期

9 卜彥龍,牛軼峰,沈林成;一種新結(jié)構(gòu)下的主動(dòng)輪廓算法[J];中國(guó)圖象圖形學(xué)報(bào);2004年05期

10 胡敏;平西建;郭戈;丁益洪;;應(yīng)用主動(dòng)輪廓線生長(zhǎng)模型的細(xì)胞核自動(dòng)分割[J];計(jì)算機(jī)工程;2006年01期

相關(guān)會(huì)議論文 前1條

1 陳俊峰;劉傳才;;一種基于改進(jìn)梯度向量流的主動(dòng)輪廓算法[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前2條

1 孫鑫;運(yùn)用先驗(yàn)導(dǎo)向主動(dòng)輪廓的目標(biāo)跟蹤方法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 張榮國(guó);變形表面主動(dòng)輪廓建模理論與方法[D];合肥工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張志智;基于主動(dòng)輪廓的圖像協(xié)同分割方法研究[D];北京理工大學(xué);2016年

2 楊襄;魚(yú)群主動(dòng)輪廓分割模型算法[D];華南理工大學(xué);2010年

3 張勇;基于主動(dòng)輪廓的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D];武漢理工大學(xué);2010年

4 張?jiān)普?基于偏微分方程的主動(dòng)輪廓算法的研究[D];東北大學(xué);2011年

5 馬超;基于區(qū)域和主動(dòng)輪廓的花卉圖像分割與處理系統(tǒng)研究與開(kāi)發(fā)[D];南京農(nóng)業(yè)大學(xué);2012年

6 陳俊峰;一種基于改進(jìn)梯度向量流的主動(dòng)輪廓算法的研究[D];福州大學(xué);2006年

7 周超;遺傳算法與主動(dòng)輪廓方法在圖片文字提取中的應(yīng)用研究[D];云南大學(xué);2012年

8 孫曉瑞;復(fù)雜背景下的阿拉伯?dāng)?shù)字切分技術(shù)[D];沈陽(yáng)航空工業(yè)學(xué)院;2010年

9 李政文;圖像分割中的主動(dòng)輪廓方法[D];西安電子科技大學(xué);2007年

10 李鵬杰;改進(jìn)的主動(dòng)輪廓超聲圖像分割算法研究[D];哈爾濱工程大學(xué);2012年

，

本文編號(hào)：2315025