基于水平集医学图像分割1.pptVIP

问题及解决方案 局部模型（Local Signed Difference） 实验结果 3 问题及解决方案 局部模型（Local Signed Difference） 实验结果 4 参考文献 Vicent Caselles, Ron Kimmel, and Guillermo Sapiro, “Geodesic active contours,” IJCV, vol. 22, pp. 61–79, 1997. Tony F. Chan and Luminita A. Vese, “Active contours without edges,” IEEE Trans. on IP, vol. 10, pp. 266–277, 2001. Chunming Li, Chiu-Yen Kao, John C. Gore, and Zhaohua Ding, “Minimization of region-scalable fitting energy for image segmentation,” IEEE Trans. on IP, vol. 17, no. 10, pp. 1940–1949, 2008. K.H.Zhang, H.H.Song, and Lei Zhang, “Active contours driven by local image fitting energy,” Pattern recognition, vol. 43, no. 4, pp. 1199– 1206, 2010. Lingfeng Wang, Zeyun Yu, and Chunhong Pan, “Medical image segmentation based on novel local order energy,” in ACCV, 2010. * * 基于水平集医学图像分割 大纲 引 言 基于水平集的图像分割 问题及其解决方案（研究热点） 局部分离模型 全局一致模型 （上次PPT内容） 分割 + 其他问题 形状先验 实验结果 参考文献 引言（医学图像分割的难点） 白质 灰质 交集 医学图像分割的主要难点: 图像的不均匀性 引言（主流的分割算法） 目前主流的医学图像分割算法 Graph based分割算法 分裂及合并分割算法 基于水平集（Level set based）分割算法 Mean-shift分割算法 基于水平集的图像分割 主动轮廓模型 Snake Model (1987) [Kass-Witkin-Terzopoulos] 1. 将图像分割问题看作曲线能量 最小化问题 内力：表明曲线的平滑性（例如：一阶导） 图像力：图像的属性（例如：梯度） 外力：用户定义的一些属性（例如：锚点） 基于水平集的图像分割 主动轮廓模型 Snake Model (1987) [Kass-Witkin-Terzopoulos] 2. 能量模型举例 忽略 欧拉方程 初始化曲线（控制点以及基函数） 更新位置（更新控制点） 重复步骤2，直至收敛。 基于水平集的图像分割 主动轮廓模型 Snake Model (1987) [Kass-Witkin-Terzopoulos] 3. 主动轮廓模型的优点 计算代价相对较小 易于引入先验知识及用户交互知识（外力项） 基于水平集的图像分割 主动轮廓模型 Snake Model (1987) [Kass-Witkin-Terzopoulos] 4. 主动轮廓模型的缺点 对初始化非常敏感 分割过程中难以改变目标的拓扑结构 参数化曲线对参数空间的选取以及参数采样方法敏感 内力描述存在两难（低阶与高阶） 基于水平集的图像分割 水平集模型 Dervieux, Thomassett, (1979, 1980) Osher-Sethian (1987) 且曲线用高维曲面的0-水平集来表示 1. 水平集模型将曲线隐含在某个曲面中 0时刻，t=0 0-水平集 基于水平集的图像分割 水平集模型 Dervieux, Thomassett, (1979, 1980) Osher-Sethian (1987) 2. 将图像分割问题看作水平集能量 最小化问题 2.1 水平集能量的类型（基于梯度、区域等的描述） 2.2 和主动轮廓模型类似，水平集的演变看作能量下降的过程 基于水平集的图像分割 水平集模型 Dervieux, Thomassett, (1979, 1980) Osher-Sethian (1987) 3. 水平集演变（简单例子） 基于水平集的图像分割 水平集模型