基于KL距离加权和局部邻域信息的CV模型

本文提出了基于Kullback-Leibler(KL)距离加权和局部邻域信息的Chen-Vese(CV)模型.引入KL距离作为内外部局部区域能量的权值系数;计算曲线附近点的局部邻域能量之和作为模型的内部能量,从而提高对边缘的检测性能,并降低区域内灰度不均匀等因素对曲线进化的影响.验证实验采用大量实际临床数据,结果表明该算法能准确地分割医学图像,且能量函数有较好的收敛性.

基于水平集算法的唇象分割

中医面诊中,能通过观察唇体的颜色、质地诊断病人的相关病情,因此将唇体从背景中分离出来应用于计算机辅助中医面诊可以促进中医的发展。本文采用Chan-Vese水平集算法对唇象进行分割。本文采用的数据集是采集自志愿者的23张唇象数据,通过实验展示,本文算法在该数据集上取得了较好的分割结果。同时,本文通过定性和定量分别对实验结果进行分析,阐述水平集算法在唇象分割工作中的优点以及不足之处。