改进CV模型的医学图像分割

• 作者: 何明一 杨青
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 水平集 广义模糊算子 CV模型 医学图像分割
• 年，卷（期）: 2010,（17）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 194-196,211
• 分类号: TP391.41
• 字数: 4822字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.17.056

摘要

基于水平集的图像分割方法能有效处理拓扑结构较复杂、有分支的目标,分割结果对目标初始轮廓的位置不敏感,对图像中对比度低的边界的识别效果不佳.广义模糊算子能有效提高图像边界区域与非边界区域的对比度,图像细节分明、失真度小.运用广义模糊算子来改进水平集分割方法中的Chan-Vese模型(简称CV模型)的速度函数;并扩大传统CV模型的边界检测范围以减少迭代次数,加快收敛速度;最后消除误分割区域以进一步提高分割的准确性.对模拟和真实医学图像分割的实验结果表明:改进后的模型能较大提高分割的准确性及效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何明一	西北工业大学电子信息学院	122	1497	22.0	33.0
2	杨青	西北工业大学电子信息学院	35	359	10.0	18.0