点击次数：

论文类型： 期刊论文

发表时间： 2016-01-22

发表刊物： 大连理工大学学报

收录刊物： PKU、ISTIC、CSCD、Scopus

卷号： 56

期号： 1

页面范围： 28-34

ISSN号： 1000-8608

关键字： 局部熵;超声图像;自动分割;局部高斯分布拟合能量(LGDF);正则化项

摘要： 基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.