T1加权大脑磁共振图像分割算法
磁共振图像中噪声的存在，使大脑磁共振图像分割变的非常困难.针对这一难题，本文以提高T1加权大脑磁共振图像的分割精度和提高算法的鲁棒性为目标，提出了一种新的大脑磁共振图像分割算法.首先，根据大脑数据和高斯噪声的分布特性推导出了一个新的能量泛函.然后，为了保证分割结果的稳定性，将主动轮廓模型和水平集方法引入到了该能量泛函中.最后，最小化该能量泛函实现图像的最终分割.实验结果表明，用本文算法分割T1加权大脑磁共振图像的性能优于传统算法；与c-v算法相比，灰质、白质和脑脊液的分割精度分别提高了7.1％、7.5％和22％.从视觉效果来看，该算法不但有效地区分开了具有相近灰度值的区域，同时也有效地抑制了“颗粒现象的产牛.
图像分割 高斯噪声 水平集方法 主动轮廓模型
刘建磊
山东交通学院轨道交通学院,山东济南250357;山东大学控制科学与工程学院,山东济南250061
国际会议
The 33th Chinese Control Conference第33届中国控制会议
南京
中文
4860-4865
2014-07-28（万方平台首次上网日期，不代表论文的发表时间）