图像分割的算法集结.docx

《图像分割的算法集结.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、1：牛乳体细胞的分割：问题：而牛乳体细胞结构复杂、大小不一，伴随严重的粘连、重叠现象，直接导致体细胞分割的准确性降低，对后续的识别、分析工作产生影响。清晰度处理：首先用K-means方法把目标图像变换成仅含有细胞核、细胞浆和背景的三值灰度图，提取出体细胞图像(细胞核、细胞浆)。用数学形态学算子对目标图像的二值图进行预处理，消除噪声与碎片，填补空洞、平滑边缘。最后采用距离变换和基于图像重构的分水岭算法对图像进行分割，实验结果表明此算法对粘连牛乳体细胞图像的分割效果明显，基本解决了分水岭算法中的过分割问题，为后续的图像分

2、析与细胞计数提供了有效的方法策略。2、基于多边形近似的重叠蛋白质点分割方法研究：问题:二维凝胶图像电泳过程中可能出现蛋白质点重叠和堆聚的现象，处理：文章利用图像处理与分析技术设计了一种有效重叠蛋白质点分离的算法：现有的蛋白质点检测方法主要可以分为基于模型、基于分割以及基于特定新理论的检测方法。其中基于模型的方法是采用某种数学模型，如高斯函数和扩散函数，拟合蛋白质点的灰度值，从而得到蛋白质点的边界和体积，实现蛋白质点的检测‘21。基于分割的方法是将凝胶图像分成多个小区域，每个区域理论上只包含一个蛋白质点i=i。基于特定

3、新理论的检测方法，如基于水平集的检测方法，利用这一数学理论对能量函数进行极小值求解的曲线演化过程，最终获得目标轮廓边缘从而进行蛋白质点检测‘}i。已有的蛋白质点检测方法未能很好的分离重叠蛋白质点，文章提出一种基于最小周长多边形近似}5}CMinimumPerimeterPolygon,Ml'.的重叠蛋白质点分割方法，用逼近蛋白质点数字边界的多边形来近似表示蛋白质点边界，再利用凹点匹配对得到的近似多边形的顶点进行匹配连线，达到有效分离重叠蛋白质点的效果3、牛乳体细胞计数系统的研究与设计在牛乳体细胞计数方面存在的问题(1

4、)针对牛乳体细胞计数的研究比较少，没有形成完整的系统;(2)专业性很强，要求工作人员具备较为丰富的专业知识和观察经验;(3)工作强度很大，由于计数方法和设备的落后，导致计数人员负担非常重，并且在疲劳的状态下很容易判断失误，使得准确率减低;(4)传统的计数方法速度非常慢，完全不能够与计算机的计数速度相比;(5)目前用于细胞计数的仪器仪表大多成本较高，价格昂贵，有些仪器的结构非常复杂，操作上存在困难。方法对比：阑值分割方法中选定K-means方法，区域分割中选定区域生长算法，边缘检测分割中由于效果非常类似，所以随意选择一

5、种，在对比时选定的是Sobel算子。如图23所示，对比二种分割方法可以看出，区域生长方法对原图像中的重要信息的改变较大，而且产生了较多噪声;Sobel算子分割方法虽然比区域生长方法效果要好，但在分割的过程中，尤其在目标物的边缘出现了一些小噪声，而且与K-means相比，后者的图像信息保留的更加全面。4：基于收敛指数的显微图像中细胞检测计数：问题：细胞检测与计数人们己经提出了多种方法来辅助完成此类工作，然而这些方法在检测精度、种类和效率等方面仍有很大不足。处理：针对明亮视野中的昆虫细胞，提出一种新型细胞检测计数方法，用

6、来解决杆状病毒表达体系的宿主细胞大规模培养过程中细胞计数问题。首先比较明暗视野下细胞图像灰度梯度向量的分布特点，基于滑动带滤波，我们调整收敛指数的计算方式，使其适应明亮视野下细胞结构，实现增强细胞中心来对细胞进行检测计数。性能分析显示，我们提出的方法在错误率和精度上面与人工计数接近，同时对细胞生长曲线的绘制也能为生物实验工作人员提供准确的细胞生长轨迹，证明了该方法可以应用于昆虫细胞培养工作中，对提高整个过程的操作效率带来的极大的帮助。5：一种强粘连与畸变巨噬细胞图像的分割方法：问题：针对强粘连巨噬细胞图像难分离和畸变

7、细胞易过分割的问题，提出了一种结合多种图像处理技术的混合分割方法。处理：首先使用高/低帽变换增强灰度图像的对比度;然后基于优化种子点重构距离图像，在重构距离图的基础上使用分水岭变换获得初始分割结果;最后结合人眼对区域相似性的实际感知定义了融合灰度距离、方差和边缘信息的综合相似性准则，根据综合相似性准则进行区域合并得到最终分割结果。仿真结果对比表明，新设计的方法不仅能够成功分离强粘连细胞而且能有效抑制畸变细胞由于形状不规则而产生的过分割，错分率更小，与人工标注的分割结果更为接近。6：红细胞显微图像处理方法研究：研究成果

8、：2006年，清华大学的康维、欧阳成等人基于数学形态学算法，利用分水岭变换和K一均值聚类对彩色细胞显微图像进行聚类，粗略估计出图像的背景区域、细胞质、细胞核。再对图像进行形态滤波和分水岭变换，最终提取出图像中细胞质和细胞核的边界，很好的完成了细胞分割的任务，同年，同济大学的丛培盛、孙建忠为实现医学临床显微图像自动快速分析，通过先将二值化后的图像