论文部分内容阅读
传统的分水岭算法虽然灵活性强,但在分割过程中较少用到边界特征的信息,使得图像的过分割问题比较突出.提出利用能量驱动的分水岭算法来实现人脑MRI中的海马分割.利用分水岭算法模型计算水流从种子点出发,沿代价最小的路径流经每一个像素的代价,将该像素的代价作为像素的能量.在整个图像能量最小化驱动下修改初始分水线处像素的归属类别,使分割结果与目标物体轮廓重合.该算法将内部特征与边缘条件相结合,可以很好地限制分水岭算法过分割的问题.多套MRI海马的分割结果表明,该算法可应用于海马等复杂结构的分割.