一種面向獸用B超圖像動物病灶分割的動態(tài)權(quán)重因子區(qū)域水平集方法，利用獸用B超圖像熵計算動態(tài)權(quán)重因子，動態(tài)更新輪廓線內(nèi)外區(qū)域?qū)ο袼攸c的動態(tài)權(quán)重作用，決定曲線移動方向和形變趨向。在計算方法上，不采用傳統(tǒng)的解偏微分方程方法，不需要掃描整個圖像，僅對輪廓曲線內(nèi)外鄰域點實行轉(zhuǎn)換判斷處理，更新水平集演化趨勢，減小了計算量。

與幾種水平集模型的比較，模型在平均測準(zhǔn)度、平均靈敏度和平均特異度方面都表現(xiàn)較好，并且起伏很小，不容易受獸用B超圖像內(nèi)容和質(zhì)量的影響，較好地解決了獸用B超圖像灰度分布不勻、低對比度和模糊邊界的問題。

方法的局限性是動態(tài)權(quán)重因子是依據(jù)區(qū)域灰度分布進(jìn)行計算的，而人眼視覺注意機制的研究表明，對人眼影響較大的低層視覺顯著性特征還包括亮度、對比度、目標(biāo)區(qū)域大小、目標(biāo)位置、目標(biāo)形狀等，今后將根據(jù)不同內(nèi)容的獸用B超圖像和不同需求的分割任務(wù)探索多種描述算子的表達(dá)和融合，以實現(xiàn)面向應(yīng)用需求的更好分割。

從多種角度采用多種方法進(jìn)行獸用B超圖像的自動分割探索，如區(qū)域增長法、動態(tài)閾值分割法、模糊聚類法、分水嶺法、HMM融合法、EM算法和高斯混合分布模型、小波變換法等，現(xiàn)有解決方案尚存在較大的改進(jìn)空間。基于變分的水平集方法是近年來發(fā)展迅速的一個分支，它將圖像分割問題表達(dá)為能量函數(shù)的最小化問題，由變分原理將其轉(zhuǎn)化為偏微分方程的求解。