Resumen

Este trabajo presenta un nuevo modelo de contorno activo en una formulación variacional de conjuntos de niveles para la segmentación simultánea y la estimación del campo de sesgo de imágenes médicas. Se formula una función de energía basada en la distancia Kullback-Leibler (KLD) mejorada con cociente de verosimilitud. De acuerdo con el modelo aditivo de imágenes con inhomogeneidad de intensidad, caracterizamos las estadísticas de intensidades de imagen pertenecientes a cada objeto diferente en regiones locales como distribuciones gaussianas con diferentes medias y varianzas. A continuación, utilizamos la distribución gaussiana con campo de sesgo como descriptor de región local en la formulación de conjuntos de niveles para la segmentación y la corrección del campo de sesgo de las imágenes con intensidades no homogéneas. Por lo tanto, la segmentación de imágenes y la estimación del campo de sesgo se consiguen simultáneamente minimizando la formulación del conjunto de niveles. Los resultados experimentales demuestran el buen rendimiento del método propuesto para diferentes imágenes médicas con límites débiles y ruido.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:estimación del campo de sesgo, formulación, nuevo modelo de contorno activo, corrección del campo de sesgo, diferentes imágenes médicas, descriptor de región local, imágenes, nivel, resultados experimentales, distribución gaussiana
• Keywords:bias field estimation, formulation, novel active contour model, bias field correction, different medical images, local region descriptor, images, level, experimental results, gaussian distribution