針對(duì)目前傳統(tǒng)的Snake模型圖像分割算法的力場(chǎng)捕捉范圍小、對(duì)初始輪廓的選取敏感以及對(duì)輪廓曲線難以收斂到細(xì)小深凹邊界的缺陷,提出一種基于Snake模型的腦部CT圖像分割新算法。算法首先運(yùn)用Canny邊緣算子對(duì)圖像進(jìn)行邊緣檢測(cè),將邊緣檢測(cè)圖像疊加到原始圖像上,然后再運(yùn)用Snake模型和梯度向量流(GVF)Snake模型分別對(duì)疊加圖像進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明,該算法克服了傳統(tǒng)Snake模型和GVF Snake模型因邊緣輪廓不清晰造成的漏分割情況,防止了GVF Snake模型由于GVF力場(chǎng)的相互作用所造成的過分割現(xiàn)象,同時(shí),還能促使輪廓線收斂到細(xì)小深凹邊界,提高定位精度,具有更好的分割效果。

【文章頁數(shù)】：6 頁


本文編號(hào)：3799989