基于改进分水岭方法的癌细胞图像分割技术.doc

《基于改进分水岭方法的癌细胞图像分割技术.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391.1UDC：D10621-408-（2012）0670-0密级：公开编号：2008023005成都信息工程学院学位论文基于改进分水岭方法的癌细胞图像分割技术论文作者姓名：张春香申请学位专业：生物医学工程申请学位类别：工学学士指导教师姓名（职称）：赵旭论文提交日期：2012年06月01日独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得成都信息工程学院或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做

2、的任何贡献均已在论文中作了明确的说明并表示谢意。签名：日期：2012年06月09日关于论文使用授权的说明本学位论文作者完全了解成都信息工程学院有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权成都信息工程学院可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）签名：日期：2012年06月09日基于改进分水岭方法的癌细胞图像分割技术摘要细胞识别系统是针对癌变组织来分割粘连的细胞，用来进行细胞识别，获取它们的个数，面积，周长

3、等特征。但是在获取癌细胞图像的过程中，由于很多外在和人为的因素，会存在细胞粘连在一起、并且分布不均的情况。那么就对后续的研究造成了很大的困难。传统的分水岭算法在图像分割时，对噪声极为敏感和易于出现过分割。量化误差、噪声及梯度纹理的局部不规则均会使在后面分割时许多的过小封闭区域,容易丢失细胞的重要轮廓。针对以上问题，本人在传统分水岭的基础上，实现了一种解决此问题的有效方法。一、通过中值滤波器滤除部分噪声，再使用形态学滤波平滑图像。二、求出形态学图像梯度，再进行开闭重建修正梯度，在去掉噪声和纹理细节的情况下保存癌细胞的重要梯度轮廓。三、对重建后的图像梯度采用极小值标记的分水岭变换

4、。四、对分割好的细胞进行数目，面积，周长等特征的计算。该方法能有效抑制过分割，有较好的效果。关键词：形态学滤波；梯度；分水岭；统计计算CancercellimagesegmentationtechniquebasedonimprovedwatershedalgorithmAbstractCellidentificationsystemisusedtosplittheoverlappedcellsincanceroustissue.Usedforcellrecognition,andgettheirnumber,area,perimeter,andothercharacteri

5、stics.Butmostlyintheprocessofgettingthecancercellimage,duetoexternalandanthropogenicfactors.Therewillbecellsticktogetherandtheunevendistribution,thencausedalotofdifficultiesonthefollow-upstudy.Thetraditionalwatershedalgorithmisextremelysensitivetothenoiseinimagesegmentation,andcausetotheove

6、r-segmentation.Quantizationerror,noiseandthepartialirregularoftexture'sgradientcanformatenumeroussmallclosedregions.Sothevitalcontourofcellslosemoreeasily.Inviewoftheaboveproblems.Basedonthetraditionalwatershedalgorithm.Aeffectivewaytosolvetheproblemwasimplemented.First,usethemedianfilterto

7、filteroutthenoise,thensmoothingtheimagethoughthemorphologicalfilter.Second,calculatethemorphologicalgradient,openingandclosingbyreconstructionwasperformedtorevisethegradient.Third,thewatershedtransformofthegradientimageafterreconstructionbyusingminimumma