融合分区与Canny泛函的水平集对猴脑提取的研究
【摘要】 传统水平集算法对初始轮廓的位置选择具有随机性，且缺少对边缘信息的处理，因此无法实现对脑组织边缘的准确提取。为此，融合分区与Canny泛函的水平集算法首先融合分区的思想，结合各区域的形态信息完成初始轮廓位置选定，使初始轮廓包含较多脑组织区域，提高了脑提取效率。其次，在能量泛函中融合了Canny算子，在保留传统水平集算法处理灰度不均匀图像的优越性的同时提高了对猕猴脑边缘检测的准确率。实验结果表明，该算法实现了对猕猴脑的准确提取，准确度最高可达到86)。
