结合新型边界扩展函数的水平集医学图像分割方法

朱家明，许 诺，张倚天，包 清，杭 俊

(扬州大学 信息工程学院，江苏 扬州 225127)

0 引言

随着科技的发展，很多医生把医学影像作为疾病诊断的重要依据之一。由于核磁共振成像(MRI)图像具有对含水分的软组织较为敏感的特性，经常用于对脑部组织进行解剖结构的分析与检测[1]。但是MRI图像的成像也有缺点,例如由于受到设备、环境和不均匀的射频信号影响，图像大多存在噪声和灰度不均的问题[2]。

在医学图像处理领域，图像分割是一个重要的技术[3]，其任务是从图像中提取有诊断价值的目标，是用于医生临床诊断的计算机辅助系统的重要组成部分。对于图像分割，各国学者提出了多种方法，例如：阈值法、模式识别法、区域生长法、神经网络法、小波变换法、模糊分割法、水平集方法[4]以及遗传算法等。其中水平集方法是曲线演化问题的一种有效的求解方法[5-7]，其最初由Osher和Sethian[8]提出，用于分析火苗的外形变化过程。在1989年，Mumford和Shah[9]提出了M-S模型。Chan[10]于2001年提出了单水平集CV模型，Vese[11]于2002年提出了多水平集CV模型，Li和Xu[12]于2010年提出了距离正则化水平集模型。为了解决MRI图像的分割问题，本文提出了一种结合阈值法预分割的水平集分割方法。考虑到MRI图像具有的高斯噪声，先对其作低频滤波处理。理论分析和实验结果都验证了该方法的有效性。

1 频域滤波去噪

1.1 高斯噪声与频域滤波

作为图像分割的前提条件，要求对噪声先作有效抑制。高斯噪声是医学图像中广泛存在的一种噪声，通常是由于电子元件的敏感性以及各种外界的电磁干扰造成的。……