基于CV模型的CT图像分割研究

由于医学图像边缘模糊、不均匀性等特点,使用传统的Chan-Vese(CV)模型方法难以达到分割要求,同时该方法存在计算量大、分割速度慢的问题。本文提出了一种基于CV模型改进的分割算法,在水平集演化迭代过程中,根据当前主动轮廓线的位置,引入图像局部灰度信息,提高了水平集能量项的有效性和该模型的收敛速度,并提出了一种关于图像序列的分割方法。实验结果表明,运用本文提出的方法能够快速、准确地提取图像中感兴趣目标,是一种较为理想的医学图像分割方法。

基于混合优化算法的医学图像配准方法

基于互信息的图像配准算法计算复杂度高,配准速度慢。针对这一问题,本文提出一种基于改进遗传算法和Powell算法相结合的医学图像配准方法。首先针对传统遗传算法收敛速度慢、易早熟的缺陷,本文对遗传操作中的交叉运算过程提出了改进策略,并将改进的遗传算法与Powell算法相结合,充分利用遗传算法的全局搜索能力与Powell算法的局部搜索能力。与Powell算法和未改进的遗传算法相比,本文提出的算法极大地缩短了图像配准所用的时间,同时提高了算法的抗噪性。