医学图像分割在医学诊断、规划、治疗中具有十分重要的应用价值。目前,基于偏微分方程理论的可变模型的图像分割技术已受到越来越多的研究学者的高度重视,而且其技术还在不断的发展中。传统的基于可变模型的分割方法是一种只基于边界信息的分割方法,就充分利用图像信息的角度来说有其局限性。作者从融合图像区域信息和边界信息的角度,对现有几何可变模型进行了改进,取得了比较理想的研究结果。 论文比较详细地介绍并分析了可变模型技术的数学理论基础和各种扩展应用。在此基础上提出了一种混合区域信息和边界信息的方法——基于融合颜色和强度先验信息的几何可变模型的医学图像分割算法。该方法首先借助遗传算法,从图像的不同颜色空间中得到对应颜色分量的阈值,然后将这些阈值所代表的先验信息融合到可变模型的速度函数中,从而得到了改进的基于level set的几何可变模型。 论文采用临床骨髓细胞和乳腺X线图片进行了实验,并对分割结果进行了定性和定量分析。结果表明,相对于传统的只利用图像边界信息的可变模型,论文所提出的分割算法不仅能得到更精确的结果,而且具有更快的运行速度。