医学图像分割是利用医学图像进行定性定量分析的一个至关重要的环节,也是组织器官三维重构以及手术模拟的一系列后续操作的基础。包括数字人图像在内的各种医学彩色图像的分割,是当前的一个研究热点。本文主要针对变形模型,尤其是几何变形模型在彩色医学图像分割领域的应用作了一些研究工作。 本文首先综述了医学图像分割的特点和国内外研究现状,讨论了医学图像分割存在的问题和困难,进而总结了当前存在的主要的医学图像分割算法,分析了它们的优缺点和应用范围,并指出了变形模型分割技术在医学图像分割特别是低信噪比低对比度图像研究中的重要地位。 变形模型可以分为参数变形模型和几何变形模型。本文通过对二者的研究与比较,可以看出,基于曲线演化理论和水平集方法的几何变形模型,由于能自然的处理拓扑结构的变化,避免了演化曲线的参数化过程,所以更适合应用于较为复杂的医学图像分割。 几何变形模型应用于图像分割问题,必须通过分割模型,来形成吸引变形曲线靠近区域边界的能量场。本文详细介绍了测地活动轮廓线模型的原理,然后介绍求解几何变形模型的水平集方法,对水平集方法的数值算法和两种快速方法:窄带法和快速行进法进行了分析讨论,介绍了符号距离函数的快速生成方法。 Chan-Vese模型是近年来提出的一种优秀的图像分割模型,该模型对模糊边界,甚至不连续的边界,以及带噪声的图像都有很好的分割效果。Chan-Vese模型可以扩展到向量图像的情形,对彩色图像进行多通道的分割。 本文改进了Chan-Vese向量分割模型的速度函数,消除了Dirac函数对非零水平集的抑制,使模型检测出远离初始轮廓线的图像边缘。采用了改进的快速行进法和源点扫描法提高SDF构造速度。对实际的彩色医学图像分割的结果表明,该算法具有良好的分割精度及稳定性。