基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法，对初始轮廓选取及参数选择较敏感．如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败，且分割速度较慢．针对以上不足，提出了一种改进的LGDF模型的超声图像自动分割方法．该方法的正则化项由具有双极值点的势函数构成，在水平集函数进化过程中，可以避免由单极值点势函数造成的水平集函数震荡和扭曲，从而加快了收敛；另外，将局部熵阈值分割的结果作为LGDF模型的初始轮廓，接近真实轮廓，可以克服手动选取初始轮廓的影响．实验结果表明，该方法能自动获取合适的超声图像初始轮廓，并得到较好的分割结果，同时大大提高了分割速度