MR图像分割问题基于变分方法的泛化统计模型（英文）

为解决灰度不均的医学图像分割现存问题,提出了基于变分方法的泛化统计模型,该模型可以同时得到偏移场和分割结果。在传统的灰度不均匀图像模型中,MR图像经常被分解为以下三部分:真实图像、偏移场以及服从零均值正态分布的噪声。该假设虽然可以简化运算,但在求解实际问题时仍存在一定的局限性,因为零均值的正态分布并不能适应噪声的复杂多样性。因此本文利用变分方法对噪声的敏感特性,同时松弛假设条件,即假设该噪声符合一般正态分布,经过严密的理论推导及高效的模型求解提出了GMLTD方法。并与两种具有代表性的算法:MLTD和MICO进行了多角度的对比实验,实验证明了该方法在算法鲁棒性、分割精度和收敛速度方面均有可喜表现。该算法可应用于医学图像的分割问题,希望能起到抛砖引玉的作用,获得更多的关注与更深入的研究。