引入局部全局信息的区域自适应局域化快速活动轮廓模型

针对HIFU超声图像中子宫肌瘤的分割难题,该文提出了一种准确高效的引入局部全局信息的区域自适应局域化快速活动轮廓模型.该模型引入了图像的局部全局信息形成局部全局力,并依据演化曲线上各点周围的灰度分布均匀程度动态地决定图像的局部全局信息和形状约束信息的使用范围,克服了HIFU子宫肌瘤超声图像分割中的初始化轮廓敏感性问题.该模型通过利用该灰度分布信息自适应地改变局域区域的半径大小,进而在活动轮廓曲线演化过程中动态地调整局域化区域范围,提高了分割的准确性及曲线的演化效率.最后在演化曲线上通过使用同一局部区域计算相邻像素的局域作用力,进一步提高了分割效率,最终实现了HIFU子宫肌瘤超声图像的准确高效分割.实验结果表明:该文方法克服了HIFU子宫肌瘤超声图像分割的难题,相较于最近提出的MSLCV模型,获得了更准确高效的分割结果,且平均计算效率提高了84.6%.

参数化水平集活动轮廓模型的快速图像分割算法

为了提高图像分割的速度,提出一种参数化水平集活动轮廓模型的快速图像分割算法.该算法中的水平集函数由参数向量确定,而非带符号距离函数,降低了水平集函数的维度.将参数化的水平集函数嵌入到经典的LGDF(local Gaussian distribution fitting)模型中进行图像分割,不需要重新初始化和额外的正则项,同时可选择较大迭代步长.实验结果表明:所提方法能够有效地分割超声、CT和核磁等医学图像,与带有正则项的分割算法LGDF和最近提出的快速分割算法MSLCV相比,在保证分割精度的同时,计算速度得到了明显提高.