魏应敏，王薇，张媛

南京医科大学附属南京医院（南京市第一医院）放射科，江苏 南京 210006

引言

图像分割是指根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭区域，使同一区域内呈现特征相似性，而不同区域间呈现显著差异性[1-3]。图像分割能提取出目标区域有用信息，可应用于模式识别、计算机辅助诊断和3D可视化等方面。图像分割算法主要分为阈值法、边缘检测、区域增长和基于特定理论等[4]。本研究着重探讨水平集活动轮廓模型，可理解为一个平面上的曲线表示成一个二元函数的零点集合，即将图像分割问题转化为一个能量泛函极小值问题，然后此时偏微分方程的极小解即为图像分割结果，逐步将零水平集曲线驱使到目标区域边界。目前水平集算法主要有基于区域信息、形态优先模型和基于相位信息等[5]，但是各算法均对图像灰度不均、边界模糊和初始轮廓位置较为敏感，难以在目标区域边界附近收敛[6-7]。本研究采用局部边缘强度和局部边缘方向作为图像特征构造图像能量函数，客服水平集算法固有缺陷，其中局部边缘方向采用图像梯度向量流场检测，且引入加权函数重构图像目标能量函数中区域项和长度项，控制能量函数在边界模糊区域溢出。

1 方法

1.1 传统的水平集算法

假设有一个表面S，它与一个平面P相交，得到一个曲线C，此轮廓C即为通过水平集算法能量函数演变得到的图像目标区域边界[8]。当采用水平集算法进行医学图像分割时，图像灰度、边缘或纹理均可被用来定义目标函数。……