基于Snake模型的醫(yī)學(xué)圖像分割技術(shù).pdf

1、醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理中的一個(gè)經(jīng)典難題。醫(yī)學(xué)圖像分割技術(shù)的發(fā)展不僅影響到醫(yī)學(xué)圖像處理中其他相關(guān)技術(shù)的發(fā)展，而且在生物醫(yī)學(xué)圖像的分析中也占有極其重要的地位。傳統(tǒng)的圖像分割方法有許多缺陷，很難滿(mǎn)足復(fù)雜的醫(yī)學(xué)圖像分割的要求。Snake模型通過(guò)參數(shù)化的活動(dòng)輪廓線(xiàn)，在由先驗(yàn)?zāi)Ｐ秃蛨D像數(shù)據(jù)構(gòu)成的能量函數(shù)的驅(qū)動(dòng)下變形，直到抵達(dá)區(qū)域的邊界，該模型既承載了上層先驗(yàn)知識(shí)又融合了圖像的底層特征，因而能有效地應(yīng)用于醫(yī)學(xué)圖像的分割中。 本文從Kass

2、等人提出的傳統(tǒng)Snake模型出發(fā)，對(duì)參數(shù)變形模型的理論和方法作了簡(jiǎn)要介紹。主要分析研究了Snake改進(jìn)模型的相關(guān)理論和方法及其在醫(yī)學(xué)圖像分割中的應(yīng)用，并對(duì)其擴(kuò)展方法作了探討。 首先，在GVF Snake改進(jìn)模型的基礎(chǔ)上，重點(diǎn)研究了Snake模型在醫(yī)學(xué)圖像分割領(lǐng)域的應(yīng)用。結(jié)合模型的特點(diǎn)和醫(yī)學(xué)圖像自有的特性，比較研究了平滑去噪、圖像增強(qiáng)等分割預(yù)處理方法。重點(diǎn)討論了基于小波變換的對(duì)比度增強(qiáng)方法及其評(píng)價(jià)指標(biāo)。 其次，還將Snak