L—CV在醫學圖像分割中的應用

王昌　秦鑫

摘要：基于能量函數的水平集算法在圖像分割中有獨特優勢，但C-V模型未能利用圖像局部的灰度信息，無法分割灰度不均勻的醫學圖像。針對此問題，本文提出L-CV模型，利用窗函數計算局部統計信息，并將局部灰度信息項加入到能量函數，構造水平集的能量泛函，用于圖像分割。將此算法應用于灰度不均勻的MRI圖像的分割中，取得不錯的效果，可有效的分割灰度不均勻圖像。

關鍵詞：L-CV 灰度不均勻圖象 MRI 圖象分割

中文分類號：TP 751文獻標識碼：A 文章編號：1007-9416（2015）02-0000-00

1 引言

近年來，基于能量泛函的水平集在圖像分割過程中得到廣泛應用。Chart和Vese提出C-V模型[3]是對Mumford -Shah能量泛函的優化，利用內外灰度均值來促進水平集曲線的演化，可分割無邊緣模糊、無梯度意義的圖像，且對噪聲不敏感，但不能分割灰度不均勻的圖像。C-V模型不能利用圖像局部的灰度信息，從而導致分割灰度不均勻的圖像分割失敗。針對此問題，提出利用局部灰度信息的L-CV模型，用以分割灰度不均勻圖像。

2 C-V模型

C-V模型將Mumford-Shad簡化為一個分段的常值函數，其中，閉合曲線把定義域為Ω的圖像分為內部和外部兩個區域，內部區域的灰度均值為 ，外部區域的灰度均值為 。能量泛函有規則化項，用于規整演化曲線，保真項，負責將演化曲線吸引到目標輪廓上。

C-V模型能夠檢測無梯度意義的目標，可以對含有噪聲的圖像有效的分割，不需要對原始圖像進行預處理。但是分割灰度不均勻的圖像會失敗。

3 本文提出的L-CV模型

5 結語

本文針對普通的C-V模型沒能考慮圖像局部的統計信息，在分割灰度不均勻的醫學圖像時會導致分割失敗的問題，提出了一種L-CV模型，加入圖像的統計信息，實現了灰度不均勻圖像的分割。

參考文獻

[1]楊新.圖像偏微分方程的原理與應用[M].上海：上海交通大學出版社，2003.

[2]王曉峰.水平集方法及其在圖像分割中的應用研究[D].合肥：中國科學技術大學模式識別與智能系統專業，2009.9.

[3]吳永飛，何傳江，陳強. 基于CV和LBF模型結合的圖像分割算法研究與實現[J].計算機應用與軟件，2013，30（7）： 98-100.

收稿日期：2015-02-25

1基金項目：河南省教育科學“十二五”規劃2013年度課題[2013]-JKGHC-0187

作者簡介：王昌（1984—），男，河南鶴壁人，碩士研究生，新鄉醫學院助教，研究方向：醫學圖象處理，醫學儀器。