基于多光谱的宫颈细胞图像迭代分割算法

详细介绍了一种基于显微多光谱宫颈图像的迭代分割方法,该方法将多光谱分析应用到宫颈显微图像分割中。由于显微宫颈细胞图像十分复杂,普通的分割方法不能解决分割问题,该文给出了一个较好的解决方案。算法首先对大量多光谱波段进行筛选,接着利用细胞的多光谱信息并采用迭代分割算法不断优化分割精度,经过大量实验证明算法具有分割速度快、精度高、算法稳定性好等特点。文中的多光谱波段的筛选对于利用多光谱手段进行其他图像分割都有很大的借鉴意义。     

光谱比值在细胞多光谱图像分割中的应用

为了对细胞多光谱图像进行快速、准确的分割，首先探讨了光谱比值在细胞多光谱显微图像分割中的应用，然后提出了利用多光谱图像的光谱信息，并结合传统分割方法的一种新的细胞自动分割方法。该方法首先通过从扣除背底后的多光谱图像中选择两个波段图像进行光谱比值操作来生成一幅比率图像，然后对该图像进行自动多阈值分割、二值形态学操作，最终获得了细胞的胞浆和胞核覆盖层。该方法首次将光谱比值技术应用到细胞多光谱显微图像分割中，对骨髓细胞图像的自动分割实验表明，该方法具有分割准确、分割速度快、受外界干扰少的特点，该方法也可以推广到其他多光谱显微图像的分割中。     

一种基于光谱比值的细胞多光谱图像自动分割方法

提出了一种基于光谱比值的细胞多光谱显微图像的自动分割方法。首先,从扣除背底后的多光谱图像中选择两个最佳波段图像相除,生成一幅比率图像,然后对该图像进行自动多阈值分割、二值形态学操作,最终获得了细胞的胞浆和胞核覆盖层。首次将光谱比值技术应用到细胞多光谱显微图像分割中,对骨髓细胞的自动分割试验证明该方法具有分割准确、分割速度快、受外界干扰少的特点。     

基于支持向量机的多光谱显微细胞图像分割

文章根据多光谱图像数据维数高的特点,以像素各个波段的灰度值为特征,采用支持向量机(SVM)方法为核心来分割多光谱显微细胞图像。为提高计算速度,在亮度和色度分量上利用阈值分割法进行预处理;同时,对SVM分割后的图像,采用基于区域灰度差的生长准则进行后处理,获得了更好的分割效果。最后把支持向量机(SVM)方法与径向基神经网络(RBFNN)方法进行比较,实验结果表明,SVM分割效果优于RBFNN,是一种精度高、速度快的多光谱显微细胞图像分割方法。     

基于卷积神经网络的医学宫颈细胞图像的语义分割

显微细胞分割的精度直接影响疾病的判别诊断,特别在宫颈细胞的显微病理图像中,细胞核的形态大小、与细胞质之间的比例参数等对于病情的良恶诊断具有重大的意义。为提高宫颈细胞核质分割的精度,提出一种基于卷积神经网络的医学宫颈细胞图像的语义分割方法。标定宫颈细胞显微图像中的细胞核和细胞质轮廓,制作基于长沙市第二人民医院的基于新柏氏液基细胞学检测TCT(Thinprep cytologic test)制片技术的宫颈TCT细胞涂片的CCTCT数据集;通过卷积神经网络对核质分割模型进行训练,避免人工提取特征;通过反卷积达到图像的语义分割。实验结果表明,该算法在宫颈细胞的显微病理图像中的核质分割准确率高达94.7%,具有很高的鲁棒性和适应性。     

分水岭算法分割显微图像中重叠细胞

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进行距离变换,然后采用快速灰度重建算法重建距离变换后图像,最终用分水岭算法分割变换图像,有效地避免了为防止过分割而提取分水岭标记点过分依赖于图像先验知识的缺陷,实现自动探测目标细胞并分割重叠细胞,并使其适合于临床对算法速度的要求。将算法进行了C++程序实现,并应用于实际临床脱落细胞和病理免疫组化显微图像的自动分割。经过多幅不同疾病、不同背景的临床图像的分割验证,在光照均匀的情况下,该算法可以快速实现图像中细胞的提取以及粘连细胞的自动分割,完成一幅768×576图片的分割在AMD1600+的CPU上处理时间小于2 s,分割效果得到主任医师的认可,因此,该算法应用于临床细胞图像的分割是可行的。     

显微细胞图像有形成分分割方法研究

本文研究了一种显微细胞图像有形成分分割方法。首先,利用传统的边缘检测及阈值分割法对显微细胞图像有形成分进行分割比较,然后基于显微细胞图像特点提出了一种改进的二维最大熵阈值结合形态学分割方法。最后通过分割实验进行验证,结果表明利用本文方法能较好地实现显微细胞图像有形成分分割。所以本文提出的分割方法在医学上具有一定的实用价值。     

基于多空间图像融合的白细胞自动分割

针对目前白细胞分割存在的准确率不高、粘连细胞不易分割等问题,提出基于多空间图像融合的白细胞自动分割算法。根据细胞显微图像饱和度分量S和蓝色分量B的分布特点,构造融合图像,减弱内部空洞对分割的影响,为细胞核和单细胞的初分割奠定基础。对于粘连细胞图像,利用轮廓相邻点的行列式检测细胞边缘轮廓凹点并根据凹点索引值关系式定位粘连区域,最后采用线性插值修补轮廓。实验结果表明,上述算法可精确分割白细胞,分割正确率达到96%。     

基于Retinex原理和区域生长的猪卵母细胞切片显微图像去背景分割

基于Retinex原理对猪卵母细胞切片图像进行一定比例的高频图像分割,从分割后的图像中获取种子点和生长阈值信息后,用区域生长法得到二值化图像,经过轮廓填充、中值滤波得到分割模板,最后将细胞原图填充至得到的分割模板中得到去背景的细胞图像。得到的结果图分割良好,消除了细胞背景图像的噪声,突出了细胞轮廓特征。     

一种细胞分割新方法*

为了解决传统的细胞彩色图像分割中遇到的诸多问题,采用了一种新颖的多光谱成像技术进行图像采集,并探索性地将支持向量机用于骨髓细胞图像的分割。实验证明这种以多光谱技术为基础的分割方法推广性好,准确率非常高,并且对采集设备状况和涂片质量依赖性低。     

Multispectral image segmentation by a multichannel watershed‐based approach

Watershed transformation in mathematical morphology is a powerful morphological tool for image segmentation that is usually defined for greyscale images and applied to the gradient magnitude of an image. This paper presents an extension of the watershed algorithm for multispectral image segmentation. A vector‐based morphological approach is proposed to compute gradient magnitude from multispectral imagery, which is then input into watershed transformation for image segmentation. The gradient magnitude is obtained at multiple scales. After an automatic elimination of local irrelevant minima, a watershed transformation is applied to segment the image. The segmentation results were evaluated and compared with other multispectral image segmentation methods, in terms of visual inspection, and object‐based image classification using high resolution multispectral images. The experimental results indicate that the proposed method can produce accurate segmentation results and higher classification accuracy, if the scales and contrast parameter are appropriately selected in the gradient computation and subsequent local minima elimination. The proposed method shows encouraging results and can be used for segmentation of high resolution multispectral imagery and object based classification.     

基于上下文感知和超像素后处理的多光谱图像分类

高质量的地物类别提取是大量地学应用的基础。现有的基于像素的分类方法没有充分挖掘多光谱遥感图像中的上下文关联信息,且分类后的标签图像容易产生破碎。为了提升高分辨率遥感图像的分类精度,本文提出一种基于上下文感知网络和超像素后处理的多光谱图像分类方法。该方法利用新设计的卷积神经网络模型来更好地学习多光谱图像中的空间上下文信息。超像素后处理使用小区域分割和投票的策略来合并结构上关联的区域,以避免破碎标签的产生。本文方法在高分一号卫星数据上进行测试,并与6个分类算法进行比较。实验结果表明本文方法在精度和视觉效果上都优于比对算法。另外,对基于新模型分类后的结果进行超像素后处理,不仅减少了分类结果的破碎度,也进一步提升了图像的分类精度。     

Performance analysis of textural features for characterization and classification of SAR images

A new method has been presented to compare the performance of textural features for characterization and classification of SAR (Synthetic Aperture Radar) images. In contrast to the conventional comparative studies based on classification accuracy, this method emphasizes the sensitivity of texture measures for grey level transformation and multiplicative noise of different speckle levels. Texture features based on grey level run length, texture spectrum, power spectrum, fractal dimension and co-occurrence have been considered. A number of image samples of built-up, barren land, orchard and sand regions were considered for the study. The interpretation of the results is expected to provide useful information for the remote sensing community, which employs textural features for segmentation and classification of satellite images.     

Segmentation of multispectral MR images through an annealed rough neural network

In this paper, multispectral image segmentation using a rough neural network based on an annealed strategy with a cooling schedule is created. The main purpose is to embed an annealed cooling schedule into the rough neural network to construct a segmentation system named annealed rough neural net (ARNN). The classification system is a paradigm for the implementation of annealed reasoning and rough systems in neural network architecture. Instead of all the information in the image are fed into the neural network, the upper- and lower-bound gray level, captured from a training vector in a multispectral image, were fed into a rough neuron in the ARNN. Therefore, only 2-channel images are selected as the training samples if an N-dimensional multispectral image was used. In the simulation results, the proposed network not only reduces the consuming time but also reserves the classification performance.     

结合距离变换与边缘梯度的分水岭血细胞分割

目的 针对医学图像中细胞提取和粘连细胞分割问题,提出一种结合距离变换利用边缘梯度的分水岭血细胞显微图像分割方法。方法 首先,通过距离变换由细胞二值图生成距离地形图,取其局部极值点或点集作为前景标记,进行第1次距离分水岭变换;接着将第一步骤所得的分水岭脊线作为背景区域的标记,前景标记不变,视梯度幅度图为地形图,再一次进行梯度分水岭变换,得到细胞分割结果。两次分水岭变换前,均采用强制极小值的方法修改地形图,来控制地形图只在选取的标记处存在局部极小值。结果 该方法由距离图提取前景标记,将距离分水岭变换所得的脊线作为梯度分水岭变换的背景标记,能有效地分离粘连目标。相比于基于距离图分水岭变换,本文方法不过多依赖二值图像信息,保留了基于梯度图像的分水岭变换边缘定位准确的优点,又解决了其无法分割粘连目标和过分割的问题。结论 经多幅临床细胞图像分割实验验证,该方法可以实现图像中细胞的提取以及粘连细胞的自动分割,满足医学图像分割的要求。     

高斯Copula的多光谱遥感影像分割

为了充分利用多光谱影像波段间的相关性,提出高斯Copula的多光谱遥感影像分割方法.首先,建立基于马尔可夫随机场的标号场模型,使用Potts模型刻画该标号场.然后,建立表征像素光谱测度的特征场,利用高斯Copula建立像素光谱测度的多变量统计模型以刻画该特征场.结合标号场、特征场模型及各模型参数的先验概率,利用贝叶斯定理建立多光谱影像分割的后验概率模型.最后,设计适用于模拟后验概率模型的M-H算法,在最大后验概率策略下获取最优分割结果.对模拟和真实多光谱影像分割结果表明,文中方法描述波段间相关性的能力较强,准确性较高.     

A local-spectral fuzzy segmentation for MSG multispectral images

In this article, a segmentation approach for cloud detection in Meteosat Second Generation (MSG) multispectral images is proposed. The proposed algorithm uses recursive segmentation that dynamically reduces the number of classes. This algorithm consists of two steps. First, an initial segmentation of the image is obtained using local fuzzy clustering. The clustering algorithm is formulated by modifying the similarity measure of the standard fuzzy c-means (FCM) algorithm. The new similarity function includes the spectral information as well as the homogeneity and spatial clustering information of each considered pixel. In the second step, a hierarchical region-merging process is used to reduce the number of image clusters. At each iteration, the segmentation algorithm proceeds with a new partition until the final result of the segmentation is obtained. The proposed method has been tested using synthetic and MSG images. It yields a compact and coherent segmentation map, with a satisfactory reproduction of the image contours. Moreover, the different types of clouds are well detected and separated with appropriate accuracy.