结合显著性的GrabCut及在骨髓细胞图像分割中的应用.pdf

《结合显著性的GrabCut及在骨髓细胞图像分割中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第25卷第1期中国计量学院学报V01．25No．12014年3月JournalofChinaUniversityofMetrologyMar．2O14【文章编号11004—1540(2014)01—0087—06DOI：10．3969／j．issn．1004—1540．2014．01．015结合显著性的GrabCut及在骨髓细胞图像分割中的应用陈林伟，吴向平(中国计量学院信息工程学院，浙江杭州310018)【摘要】针对传统GrabCut算法需要用户交互缺点，提出一种基于上下文感知显著性的GrabCut的改进的

2、图像分割算法．首先用上下文感知得到待分割图像的显著图，然后由二值化的显著图确定GrabCut算法的初始化区域，再通过迭代使能量函数最小化分割出目标，算法应用于骨髓细胞图像分割上．实验结果表明，此算法能避免以往细胞分割算法如支持向量机、K-Means等参数调整问题，总体误差率较低，自动化程度高，鲁棒性强．【关键词】骨髓细胞；上下文感知；GrabCut算法；非交互；图像分割【中图分类号】TP391【文献标志码】ACombiningsaliencymapandGrabCutforthesegmentationofb

3、onemarrowcellsimagesCHENLinwei。WUXiangping(CollegeofInformationEngineering，ChinaJiliangUniversity，Hangzhou310018，China)Abstract：InviewofthedisadvantagesofuserinteractionintraditionalGrabCutalgorithms，animprovedGrabCutalgorithmforimagesegmentationbasedonthec

4、ontext—awaremethodwasproposed．Firstlythesaliencymapforthebonemarrowcellsimagewasobtainedbythecontext—awarealgorithm．TheinitializationofGrabCutalgorithmwasdeterminedbythebinarizedsaliencymap．Andthenthetargetwassegmentedbyenergymlm’mlzatl’on．Thealgorithmwasap

5、pliedtObonemarrowcellimagesegmentation．ExperimentalresultsshowthatitcanavoidtheparametersadjustmentproblemwhicharisesinsupportvectormachinesandK—Means．Italsohasarelativelylowoverallerrorratewithhighautomationandstrongrobustness．Keywords：bonemarrowcells；cont

6、ext—aware；GrabCutalgorithm；non-interactive；imagesegmentation骨髓是人体造血的主要器官，对骨髓细胞进病．显微镜检查是其主要诊断手段，然而镜检可重行分类计数可以诊断出白血病、恶性贫血症等疾复性差，容易受人员主观因素干扰．应用计算机分【收稿日期】2013-08—27《中国计量学院学报》网址：zgj1．cbpt．cnki．net【基金项目】浙江省科技厅公益技术研究项目(No．2011C31020，20I2C31020)．【作者简介】陈林伟(1985一)，男，

7、浙江省台州人，硕士研究生，主要研究方向为数字图像处理、计算机视觉．E—mail：clwei一108@163．corn．通讯联系人：吴向平，男，副教授．E—mail：xiangpingwu@cjlu．edu．cn．88中国计量学院学报第25卷析显微图像具有十分重要的意义l_】]，而骨髓细胞a)考虑局部低层特征．b)考虑全局特征；c)视觉组的分割是自动图像分析系统中最重要的一步．目织规则；d)高层要素．CA算法实际上就是块与块前国内外学者已经进行了很多的探索．如Nee之间基于颜色和距离的对比来获得图像显著性等[2

8、]提出基于分水岭变换的彩色细胞图像分割，的．首先将图像分成7×7的块，计算块P与块P然而分水岭法对于局部梯度差异敏感．潘晨等人间在LAB颜色空间的距离d。(P，P，)，如果使用支持向量机L3]和极限学习机进行细胞分d山(P，P，)较大，则认为是显著的．同时计算两割，但是，基于神经网络的算法不仅需要训练样个块位置间的距离即两块中心点的欧氏距离本，在训练时还需要调整网络参数，工作量大，使d。(P，P)，