一種基于Snake模型的腦部CT圖像分割新算法

徐艷，胡順波，王基烽，杜玉越

1.臨沂大學信息科學與工程學院，山東臨沂276000；2.山東科技大學計算機科學與工程學院，山東青島266590

前言

CT 圖像在疾病監測方面具有很大的優勢，快速精準地分割出CT 圖像中的目標區域是目前醫學圖像處理的研究熱點［1-3］。Kass 等［4］提出的Snake 模型（動態輪廓模型）已在數字圖像分析和計算機視覺領域被廣泛應用［5］。傳統的Snake 模型可以從復雜的背景中分割出目標，有效地跟蹤目標的變形和非剛體的復雜運動，但收斂性不足，易受局部極值和邊緣輪廓模糊程度的影響。它主要存在初始輪廓線一定要靠近真實邊界和某些邊界難以收斂到凹部兩大難點［6-7］。為此，Xu等［6-7］針對這些問題提出梯度向量流（Gradient Vector Flow,GVF）Snake 模型，采用擴散的方式，用一個GVF 場代替經典的外力場。這不僅提高了模型捕獲的范圍，而且使主動輪廓進入凹陷區域，但GVF Snake模型易受各組織之間力場的相互影響從而造成錯誤分割，也不能收斂到細小凹部邊界。

如何在保留現有模型優勢的同時，改善模型缺點，提高分割精度，是目前很多醫學圖像學者正在研究的事情。本研究提出的一種基于Snake 模型的腦部CT 圖像分割新算法，不僅改善了傳統Snake 模型和GVF Snake 模型的過分割、漏分割情況，而且還能促使輪廓線收斂到細小深凹邊界，提高腦部CT 圖像的分割精度。

1 Snake模型

1.1 傳統的Snake模型

Snake 模型又稱活動輪廓模型，是Kass 等［4］在1987年提出的，該模型的基本內容是基于圖像展開的曲線，以確定目標對象的邊界。這種方式將分割提取轉化為函數的最優解問題，并利用閉曲線（或曲率）變形的具體規律來定義度量閉曲線（曲面）變形的能量函數?！?br>