基于边缘吸引力场正则化的短程线主动轮廓模型

短程线主动轮廓模型是近几年提出的一种有效的多目标轮廓提取算法 .本文在详细分析其动力学过程的基础上 ,针对该模型中存在的局限性和不足 ,提出对边缘吸引力场进行正则化的方法 ,并采用多尺度模型 ,有效的改善了该模型不能对存在断裂轮廓的目标进行正确提取和凹边缘搜索能力弱的缺点 ,增强了抗噪声和虚假边缘干扰的能力 ,使该算法具有更好的鲁棒性和实用性 .

基于边缘约束和边缘吸引力场正则化的多目标轮廓提取算法

拓扑自适应模型是一种有效的多目标轮廓提取算法．但在MR脑图像的应用中却遇到了许多问题。针对该模型所存在的问题．提出一种基于边缘约束和边缘吸引力场正则化的多目标轮廓提取算法。算法利用关于目标轮廓的位置信息和区域信息对切片图像的边缘吸引力场进行边缘约束．得到仅包含目标的边缘图．从而减少相邻结构的边缘对曲线收敛的影响。同时．对进行边缘约束之后得到的边缘吸引力场进行正则化处理．扩大轮廓的搜索范围．增强轮廓模型对凹边缘的搜索能力和对断裂边缘正确提取的能力。实验证明．该算法可以快速有效地在MR脑图像中提取目标轮廓。

一种新的用于MR脑图像分割的主动轮廓模型

主动轮廓模型是一种有效的基于边缘的分割方法,然而,在MR脑图像的应用中,它却遇到了许多问题,例如背景复杂,同一解剖结构的灰度分布不一致以及边界不连续等。这里提出了一种新的用于MR脑图像分割的主动轮廓模型。该模型不仅利用关于目标轮廓的先验知识对切片的边缘吸引力场进行边缘约束,减少相邻结构对曲线收敛的影响,还对进行边缘约束之后得到的边缘吸引力场进行正则化处理,增强模型对凹边缘的搜索能力和对断裂边缘正确提取的能力。实验证明,该模型可以克服传统主动轮廓模型在MR脑图像遇到的难题,从而快速有效地在MR脑图像中提取目标轮廓。