基于主动轮廓模型和水平集方法的图像分割

摘要

图像分割技术是图像处理中的一项关键技术，分割结果直接影响后续的图像分析和理解的效果。近年来，主动轮廓模型(Active Contour Model，ACM)由于其能较好地处理局部间断边缘等特性，受到人们的关注；而水平集方法(Level SetMethod)用定义在高维空间中的水平集函数替代了ACM方法中的参数曲线的演化，成功地解决了曲线演化中拓扑结构变化的问题。主动轮廓模型和水平集方法已成为图像分割研究的一个重要的方向。
　　 本文研究和探讨了多种基于主动轮廓模型和水平集的图像分割方法，并辅助基本的图像操作功能，搭建编写了医学图像分割系统平台软件系统。本文首先实现并比较了两种参数主动轮廓模型(Snake，GVF-Snake)，并应用于医学图像分割，然后研究并实现了两种水平集方法：无重新初始化的水平集(Level Set Without Reinitialization,LSWR)、基于区域特征的水平集(Level Set Without Edges，LSWE)；最后，基于Microsoft MFC开发了基于主动轮廓模型的医学图像分割系统，该系统提供通用的图像基本操作功能，并支持DICOM格式医学图像和普通的BMP、JPEG图像；通过统一的算法集成接口，集成了多种分割方法，提供了一个开放的算法平台，实现了算法在二进制级上的复用。

目录

文摘

英文文摘

声明

第一章绪论

§1.1研究背景与意义

§1.2国内外研究现状

1.2.1 图像分割方法

1.2.2主动轮廓模型

§1.3论文研究内容及章节安排

第二章基于梯度向量流主动轮廓的图像分割

§2.1引言

§2.2经典主动轮廓模型

§2.3基于梯度向量流的主动轮廓模型

§2.4基于梯度向量流主动轮廓的图像分割

§2.5 小结

第三章基于无重新初始化的水平集图像分割

§3.1引言

§3.2传统的水平集图像分割模型

§3.3无重新初始化的水平集图像分割模型

§3.4基于无重新初始化的水平集图像分割

§3.5小结

第四章基于区域特征的水平集图像分割

§4.1引言

§4.2 Mumford-Shah模型

§4.3基于区域特征的水平集模型

§4.4基于区域特征的水平集图像分割

§4.5小结

第五章基于主动轮廓模型的医学图像分割系统

§5.1引言

§5.2系统模块设计

§5.3系统模块实现

5.3.1 图像I/0模块

5.3.2 图像管理模块

5.3.3 图像显示模块

5.3.4 图像操作模块

5.3.5 算法管理模块

§5.4小结

第六章总结与展望

§6.1总结

§6.2展望

致谢

参考文献

攻读硕士期间参与的科研项目