Active contours for intensity inhomogeneous image segmentation
Farhan Akram · LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2017
La “inhomogeneidad” (falta d'homogeneïtat) d'intensitat és un problema ben conegut en la segmentació d'imatges, la qual cosa afecta la precisió dels mètodes de segmentació basats en la intensitat. En aquesta tesi, es proposen mètodes de contorn actiu basat en fronteres i regions per segmentar imatges inhomogènies. En primer lloc, s'ha proposat un mètode de contorn actiu basat en fronteres mitjançant Diferència de Gaussianes (DoG), que ajuda a segmentar l'estructura global de la imatge. En segon lloc, hem proposat un mètode de contorn actiu basat en regions per corregir i segmentar imatges inhomogènies. S'ha utilitzat un nucli de transformació de fase (phase stretch transform - PST) per calcular noves intensitats mitjanes i camps de polarització, que s'empren per definir una imatge ajustada de polarització. En tercer lloc, s'ha proposat un altre mètode de contorn actiu basat en regions utilitzant un funcional d'energia basat en imatges ajustades locals i globals. El camp de polarització s'aproxima amb una distribució Gaussiana i el biaix de les regions no homogènies es corregeix dividint la imatge original pel camp aproximat de polarització. Finalment, s'ha proposat un mètode híbrid de contorns actius multifàsic (quatre fases) per dividir una imatge de RM cerebral en tres regions diferents: matèria blanca (WM), matèria grisa (GM) i líquid cefaloraquidi (CSF). En aquest treball, també s'ha dissenyat un mètode de post-processat (correcció de píxels) per millorar la precisió de les regions WM, GM i CSF segmentades. S'han utilitzat resultats experimentals tant amb imatges sintètiques com amb imatges reals de RM del cervell per a una comparació quantitativa i qualitativa amb mètodes de contorns actius de l'estat de l'art per mostrar els avantatges de les tècniques de segmentació proposades.