脑MR图像互信息最大的凸优化分割模型

摘要：

脑MR图像中普遍存在灰度不均匀性,传统的分割方法无法得到理想的脑组织分割结果.为此提出一种基于互信息最大化准则的变分水平集凸优化分割模型.首先建立最大化图像灰度与标记之间互信息能量的分割模型,并融人偏移场信息；对模型进行水平集表示和凸优化后,再引入边缘指示函数加权的总变差范数；最后采用SplitBregman方法快速求解.实验结果表明,该模型可以得到较准确的脑组织分割和偏移场矫正结果,对噪声和灰度不均匀性有很好的鲁棒性.

关键词：脑MR图像、图像分割、互信息、变分水平集、凸优化、偏移场

所属期刊栏目：24

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60773172;江苏省自然科学基金BK2006704-2;江苏省博士后基金AD41158;香港特区政府研究资助局资助项目CUHK/4433/06M;香港中文大学研究项目基金2050345

在线出版日期：2012-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1082-1089,1107