用PDE和变分法处理医学图像一书的阅读笔记

这篇博客介绍《Mathematical Problems in Image Processing Partial Differential Equations and the Calculus of Variations》（2nd edition，2006，Gilles Aubert）一书的内容。
它将作为我这本书的阅读笔记；之前读过几章但没有记录下来，这次会持续更新，长期记录。一些基础概念和基础公式中出现的符号可能不再全部说明其含义。
这本书粗略看下来，需要的前置知识有：分析学（包括数学分析、测度论），古典微分几何（曲线曲面的局部理论），线性代数（矩阵与线性空间），偏微分方程，数值分析（包括最优化理论、偏微分方程数值解法）等。

Chapter4：The Segmentation Problem

4.2：The Mumford and Shah Functional

由 Mumford 和 Shah 提出的泛函极小化模型是求函数$u$和${\mathbb{R}}^2$(或${\mathbb{R}}^3$)中的有界开集$K$来极小化下面泛函：
$$F(u,K)={\int }_{\Omega -K}(u-u_0{)}^{2}dx+\alpha {\int }_{\Omega -K}|\nabla u{|}^{2}dx+\beta {\int }_{K}d\sigma$$
这里假设$0\le u_0(x)\le 1,a.e.x\in \Omega$为原始图像。

4.3 Geodesic Active Contours and the Level-Set Method

令 C = { c : [ a , b ] → Ω , c 为分片 C 1 函数 , 且 c ( a ) = c ( b ) } C=\{c:[a,b]\rightarrow\Omega,c 为分片C^1函数,且c(a)=c(b)\} C={c:[a,b]→Ω,c为分片C1函数,且c(a)=c(b)}。这一节考虑对$c\in C$，极小化能量函数$J(c)$：
$$J(c)={\int }_a^b|c^{\prime }(q){|}^{2}dq+\beta {\int }_a^b|c^{\prime \prime }(q){|}^{2}dq+\lambda {\int }_a^b{g}^2(|\nabla I(c(q))|)dq$$
其中我们考虑二维图像，即$c(q)$可表成$c(q)=(c_1(q),c_2(q))$。

4.3.2 The Geodesic Active Contours Model

4.3.3 The Level-Set Method

水平集方法的核心准则就一句话：A curve can be seen as the zero-level of a function in higher dimension.