Segmentation de tumeurs cérébrales par convolution de champ de vecteurs VFC

Abstract

snakes, ou contours actifs, ont été largement utilisés dans des applications de traitement d'images. Mais il ya quelques obstacles de performance qui comprennent la gamme limitée de capture, la sensibilité au bruit, et les pauvres convergences de concavités. Ce memoire propose une nouvelle force externe pour les contours actifs, appelé champ convolution du vecteur (VFC), pour résoudre ces problèmes. VFC est calculé par convolution de la carte de contour générée à partir de l'image avec un noyau vectoriel défini par l'utilisateur. Nous vous proposons deux structures pour la fonction d'amplitude du noyau de champ de vecteurs, et nous fournissons une méthode d'analyse pour estimer le paramètre de la fonction d'amplitude. VFC est introduit pour atténuer le problème de fuite possible causé par le choix des paramètres inappropriés. Nous démontrons également que la force externe standard et le flux de vecteur gradient (GVF) de force externe sont des cas particuliers de VFC dans certains scénarios. . Exemples et comparaisons avec GVF sont présentés dans ce memoire pour montrer les avantages de cette innovation, y compris supérieure robustesse au bruit, coût de calcul réduit, et la flexibilité d'adapter le champ de force.