一种面向兽用B超图像动物病灶分割的动态权重因子区域水平集方法，利用兽用B超图像熵计算动态权重因子，动态更新轮廓线内外区域对像素点的动态权重作用，决定曲线移动方向和形变趋向。在计算方法上，不采用传统的解偏微分方程方法，不需要扫描整个图像，仅对轮廓曲线内外邻域点实行转换判断处理，更新水平集演化趋势，减小了计算量。

与几种水平集模型的比较，模型在平均测准度、平均灵敏度和平均特异度方面都表现较好，并且起伏很小，不容易受兽用B超图像内容和质量的影响，较好地解决了兽用B超图像灰度分布不匀、低对比度和模糊边界的问题。

方法的局限性是动态权重因子是依据区域灰度分布进行计算的，而人眼视觉注意机制的研究表明，对人眼影响较大的低层视觉显著性特征还包括亮度、对比度、目标区域大小、目标位置、目标形状等，今后将根据不同内容的兽用B超图像和不同需求的分割任务探索多种描述算子的表达和融合，以实现面向应用需求的更好分割。

从多种角度采用多种方法进行兽用B超图像的自动分割探索，如区域增长法、动态阈值分割法、模糊聚类法、分水岭法、HMM融合法、EM算法和高斯混合分布模型、小波变换法等，现有解决方案尚存在较大的改进空间。基于变分的水平集方法是近年来发展迅速的一个分支，它将图像分割问题表达为能量函数的最小化问题，由变分原理将其转化为偏微分方程的求解。

http://xzh.i3geek.com