1 河北大学 电子信息工程学院, 保定 071002
2 河北大学 河北省数字医疗工程重点实验室, 保定 071002
3 中国人民解放军 66165部队, 保定 071000
由于受成像原理的限制, 导致超声图像对比度低、边界模糊, 因此基于边界的水平集分割效果很不理想。为了提高超声图像的分割精度和分割效率, 提出了一种梯度信息与区域信息相结合的水平集分割算法。首先对基于边界的距离正则化水平集演化(DRLSE)模型进行改进, 将区域信息引入到边界指示函数中, 并用改进后的边界指示函数代替DRLSE模型中的边界指示函数, 最后, 得到一个梯度与区域信息相结合的水平集演化模型。结果表明, 本文中的模型能准确分割甲状腺肿瘤超声图像, 且在分割效率和分割精确度方面均比DRLSE模型有所提高。
图像处理 图像分割 距离正则化水平集演化模型 边界指示函数 梯度信息 区域信息 image processing image segmentation distance regularized level set evolution model boundary indicator function gradient information region information
