医学图片中分离重叠细胞的方法研究

该文研究的主要内容是处理粘连细胞的分割。在医学中所运用到的细胞图片,往往细胞和细胞之间会有粘连,由于粘连之后的部分经常出现灰度的叠加,这就造成图片信息的不准确,给研究造成了一定的干扰。传统的细胞分割方法因为在辨别粘连区域灰度的能力较差,所以在分割粘连细胞时往往有缺失。为了改善这样的问题,该文采用自适应阈值来处理粘连细胞的分割问题。计算得出细胞粘连区域像素的特征信息,利用自适应阈值来识别粘连区域中像素间的差异,把像素归类,使得传统分割算法混淆像素的问题得到很好的解决。通过实验可以得出,该文使用的自适应阈值分割粘连细胞的算法是有效的,效果理想。     

畸变粘连细胞的高精度图像分割模型仿真

畸变粘连细胞图像分割方法是医学影像领域的重要问题。当前的细胞图像分割技术都是利用边缘像素的差异性特征进行分割,只考虑了细胞之间的挤压形变,没有考虑细胞本身非正常变异带来的形状畸变。利用传统的像素分割方法进行分割的过程中,由于细胞畸变、粘连使得分割阀值很难准确界定,细胞分割精确度降低。提出一种基于自适应阀值的畸变粘连细胞图像分割方法。对畸变粘连细胞图像进行H分量直方图变换,在进行归一化处理的同时进行平滑处理,消除细胞畸变因素造成的干扰;利用最大类间方差法进行迭代处理,搜寻最优分割阀值,得到准确的畸变粘连细胞图像的分割结果。实验结果表明,利用改进算法进行畸变粘连细胞图像分割,能够有效提高分割的精确度,效果令人满意。     

图像边缘分割算法的优化研究与仿真

研究图像边缘分割问题,提高分割的准确性.针对图像中物体像素与其边缘像素容易发生像素粘连,粘连部分由于发生像素灰度混合,造成像素差异极小,传统的基于灰度的边缘检测算法由于不能很好的区分粘连部分的灰度差异,不能完整检测图像边缘的问题.提出了一种离散余弦变换(DCT)和数学形态学边缘分割算法.通过对提取过的特征图像在同一尺度下用多个结构元素分别对图像进行边缘分割,经过合成得到多尺度多结构元素形态学检测的边缘图像,摆脱分割算法对像素灰度的依赖.仿真结果表明:方法具有较好的抗干扰性和定位准确性,分割的边缘更为完整准确,取得了令人满意的效果.     

基于局部灰度占比的粘连细胞分割方法

针对医学细胞图像中的粘连现象,对采集到的细胞图像进行均值聚类、二值化、空洞填充、距离变换等预处理操作后,根据距离变换图像的像素灰度值来选取实现粘连细胞分割的最佳阚值,在分析重叠或粘连细胞图像的局部像素特征的基础上,对距离变换处理后图片的局部灰度占比分布进行了全面的分析和处理.实验结果表明,该方法简单易行,具有较好的分割效果.     

基于MCMC优化的图像边缘分割方法优化及仿真

研究图像边缘分割优化问题,由于图像边缘信息复杂,用传统边缘分割方法,当图像中的物体结构复杂的时候,会造成图像像素重叠、粘连等形成干扰的因素,导致图像边缘分割时错误率较高问题.为解决上述问题,提出一种基于MCMC的灰度图像分割方法.通过建立四种图像灰度模型和遍历的Markov Chains求解空间,能够避免传统方法由于边缘点粘连不清,而带来的分割错误问题,最终完成灰度图像的完整高效分割.实验证明,改进方法不仅能实现图像完整分割,而且能具有较高的分割效率,取得了令人满意的效果.     

精神分裂症脑区磁共振图像分割方法研究

研究精神分裂症人脑皮层脑区图像病变区域的准确分割问题。精神分裂症患者的人脑皮层脑区灰质密度与正常区域存在差异,但病变区域与正常区域血管粘连在一起,病变组织会发出更强烈的信号,在生成的图像中像素亮度极高,高亮度造成二者像素灰度差异过小。传统的基于边沿像素灰度差的图像分割方法,无法避免由于血管粘连造成的像素灰度差异过小的缺陷,分割准确度不高。提出了一种利用像素差值约束算法的人脑皮层脑区磁共振图像分割算法。通过约束病变区域分割的衡量区域标准,从而实现人脑皮层脑区磁共振图像的准确分割。实验证明,改进算法避免了血管粘连造成的像素灰度差异过小的缺陷,提高了图像分割的准确率,为精神分裂症脑区检测提供了依据。     

一种基于区域灰度值的路径探测细胞分割方法

目前国内外很多研究人员提出各种各样的细胞分割方法,但是由于医学图像的复杂性,不同图像之间差异巨大,没有一种方法是通用的,只能具体情况具体分析。针对医学彗星图像中,两个彗星细胞粘连的情况,提出一种基于区域灰度值的路径探测方法,对粘连细胞进行分割。实验结果表明,该方法可以取得较理想的分割效果。     

一种基于区域灰度值的路径探测细胞分割方法

目前国内外很多研究人员提出各种各样的细胞分割方法,但是由于医学图像的复杂性．不同图像之间差异巨大,没有一种方法是通用的,只能具体情况具体分析。针对医学彗星图像中,两个彗星细胞粘连的情况,提出一种基于区域灰度值的路径探测方法．对粘连细胞进行分割。实验结果表明,该方法可以取得较理想的分割效果。     

基于图像的大米品质检测方法研究与仿真

基于图像的大米品质检测的准确性问题的研究。由于垩白米与普通优质大米在像素灰度上差异极小,大米中经常混淆垩白米,传统的基于灰度的大米品质算法不能很好的区分混有垩白米部分的大米灰度差异,不能准确鉴定大米品质的问题。为了解决这个问题,提出了基于大米像素组织的大米品质鉴定方法。通过直线平滑分割、大米像素组织点性质识别的方法,克服了传统方法像素混淆后无法识别的弊端。实验表明,组织特征方法能够准确鉴定混合了垩白米的大米品质,并取得了比较好的效果。     

心脏病图像分割方法研究

研究心脏造影图像准确分割问题。心脏病变区域存在大量水状的囊肿,囊肿区域的像素会造成病变区域图像像素灰度大幅下降,与正常区域的灰度差减少。传统的图像分割方法多是基于边沿像素灰度差进行分割,大量来自水状病变区域的干扰像素使得病变区域边沿像素与正常区域像素发生灰度混淆,造成利用灰度差方法进行图像分割的准确率比较低的问题。为此提出了一种基于改进神经网络算法的心脏造影图像分割方法。提取图像中的关键细节特点,运用改进后的神经网络模型,对水状杂质像素的干扰进行迭代分割过滤。实验证明,运用神经网络方法能够有效提高心脏造影图像病变部位分割的准确率,具有很好的应用价值。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

基于SUSAN边缘信息的阈值分割算法

基于边缘信息的阈值分割方法因为在保持目标轮廓和分割低对比度图像方面具有良好性能,特别适用于对工业生产图片的分割,但是传统方法普遍存在对噪声敏感和阈值难以选取的问题,针对这些问题,提出一种基于SUSAN边缘信息的自适应图像阈值分割算法,使用SUSAN特征响应描述像素的边缘信息,以有效抑制噪声和弱边界的影响。基于图谱理论的最小最大割阈值分割算法相比于其他分割算法时空复杂度大大降低,且获取的阈值全局最优。实验结果表明,该算法能够准确分割出目标,保留丰富的细节内容,对低对比度图像和噪声图像也有很好的分割效果,获取的阈值相比于传统算法更优。     

改进的二维Renyi嫡图像闭值分割

提出一种基于灰度一梯度信息二维Rcnyi墒图像阂值分割新方法。首先,由图像灰度值和梯度值构造出二维直方图,在此基础上计算目标和背景区域的二维Renyi嫡,并使此嫡值函数最大,得到分割阂值。像素梯度信息和Renyi嫡可调参数相结合,可以处理更多类型的图像,同时分割得到的图像内部更均匀,边界形状更准确。     

基于区域生长的极光图像分割方法

极光卵对于研究磁层结构和能量存储是非常重要的。提出一种基于区域生长的极光图像分割算法。首先根据极光图像的特点,对原始图像进行预处理,根据预处理后图像的灰度特性,选取一组能正确代表目标区域的种子像素;其次,在分析像素邻域灰度特性的基础上,采用最大类间方差法求得自适应最佳阈值,从而代替传统区域生长算法手动选取阈值时造成的系统误差,再采用基于区域灰度差的方法,制定出区域生长的停止条件;最后,利用数学形态学的方法进行分割后修正,消除了由于噪声而造成生长后的区域中出现的空洞和不连续现象。实验结果表明,相对于已有的极光卵分割方法,基于区域生长的方法改善了图像的分割质量。     

基于二维最大熵原理和改进遗传算法的图像阈值分割

传统的最佳直方图熵法对低信噪比图像的分割效果不理想,而二维最大熵法充分利用了像素的灰度分布信息和像素间的空间相关信息,提高了阈值分割的抗噪性能.本文对二维最大熵法进行了详细阐述和推导,对遗传算法进行了一系列改进,提出了一种新的类抛物线型变异算子.实验结果表明,二维最大熵法具有较强的鲁棒性,同时改进的遗传算法能够快速收敛到最佳分割阈值,其优化效果十分明显.     

灰度图像最大熵分割方法的改进

传统的最大熵分割方法只考虑了图像的灰度概率,忽略了对应的灰度值。为了充分利用灰度图像的灰度信息和空间信息,改进了传统的二维灰度直方图,生成二维差值属性灰度直方图。另外,改进了灰度均值和二维熵的计算方法。在计算熵时,以二维差值属性灰度直方图为基础,用空间信息值来代替灰度概率,生成二维差值属性信息值熵。在实验中,对多张不同的灰度图像分别用改进的最大熵方法与传统的最大熵分割方法进行分割,并对分割结果进行比较分析。实验结果表明,改进的最大熵分割方法能有效地分割灰度图像及噪声图像,有很强的抗噪声能力,并能产生清晰的分割结果。     

边缘和区域多阶段结合的图像分割

基于局部灰度的边缘检测和基于全局灰度统计的阈值分割是两种最要的图像分割方法.针对这两种方法单独使用时得不到理想分割结果的问题,提出一种边缘和区域多阶段结合的策略,利用边缘像素的灰度确定子区域分割阈值,将边缘和区域边界距离评估作为子区域递归分割的终止条件,最后叠加边缘图修订区域分割结果.实验表明,本文方法对于目标灰度不均的细胞图像能获得理想的分割效果.     

自适应灰度加权的鲁棒模糊C均值图像分割

针对传统模糊C均值(fuzzy C-means,FCM)算法以及结合空间信息的相关改进算法分割精度较低、对噪声敏感的问题,提出一种自适应灰度加权的鲁棒模糊C均值图像分割算法。首先,通过定义像素间的局部灰度相似性测度来反映各像素对局部邻域的影响程度,并根据邻域窗口中各像素的灰度差异,利用指数函数进一步控制邻域像素的影响权重,实现像素灰度的自适应加权,从而提高像素灰度计算的准确性。其次,构造出一种改进的距离测度代替传统的欧氏距离,用于计算各像素与聚类中心之间的相似距离,增强算法对噪声和异常值的鲁棒性。最后,将提出的自适应灰度加权方法与改进的距离测度应用到FCM算法中,实现图像分割。实验结果表明,该算法需根据图像噪声的强度适当地选取邻域窗口大小,在此条件下算法能够取得较优的分割效果和运行效率,且对噪声具有较强的鲁棒性。