基于凹点搜寻的重叠细胞图像自动分离的算法研究

提出了一种重叠细胞图像自动分离的新算法。根据重叠细胞的凹凸性,从细胞重叠区域的凹区域中寻找到凹点,根据凹点数与细胞个数的关系,判断是细胞串联还是细胞并联：如果是串联的情况,则直接将成对的凹点连成直线分离重叠区域;如果是并联的情况,则将凹点与重叠区域的中心连接成直线分离重叠区域。该算法在Matlab环境下对重叠细胞图像进行了自动分离,实验结果表明该算法实现简单,效果理想,且能基本保持原细胞的大小和形状。     

一种改进的重叠细胞分离算法

在细胞图像识别中,经常会遇到细胞重叠的现象,需要有一种有效的方法将重叠在一起的细胞分离成单个的细胞。目前很多分离算法都是基于数学形态学的,但这些算法都存在着一定的局限性。为此,提出了一种改进的基于数学形态学的分离算法,该算法首先采用一种简单、快速的边界剥离方法得到距离变换结果,然后再用分水岭方法对细胞图像进行分离。实验结果表明,算法获得了较好的分离效果。     

一种重叠红细胞图像的分离方法

细胞图像中经常出现重叠(或者粘连)现象,利用红细胞是近似圆形的这一先验知识,用粒度测量来获取红细胞半径R,对重叠区域轮廓上的每个非凹陷点,估计其所对应的圆心点,这些圆心点聚集成各个细胞的中心区域,对每一个中心区域,采用半径为R的圆形结构元进行一次膨胀操作,然后和原二值图像进行交集运算,将其结果作为对各个细胞形状的估计。实验结果表明,该方法能得到比较满意的分离效果,亦适用于其他近似圆形的细胞或者颗粒的重叠区域图像的分离。     

一种重叠胃腺癌细胞分离线估计算法

针对胃腺癌细胞显微图像中经常出现重叠(或粘连)现象,对后续进一步的研究工作产生了很多不良影响,为了准确地分离重叠(或粘连)的胃腺癌细胞,采用了一种数学形态学与改进的B样条活动轮廓模型算法相结合的方法。该算法首先对图像进行二值化处理,然后利用变元腐蚀得到细胞的非线性距离图和背景的非线性距离图,接着对两者进行叠加,即得到一幅新的非线性距离图,最后使B样条曲线准确收敛到目标边界,以便自动分离细胞。实验结果表明,该算法不但能有效地构造分离线,并能估计出重叠(或粘连)胃腺癌细胞的原始形状。     

重叠细胞图像分离算法的设计

在实际的细胞图像中,经常会遇到重叠现象（又称为聚堆）,即多个细胞聚一起的情形,这给后续的分析处理带来了困难,因此需要设计一个有效的算法,能够将这些重叠在一起的细胞群分离为单个的细胞,文中针对二值化的图像,提出了一个基于形态学的算法,该方法首先利用腐蚀操作,以确定聚堆细胞最终分离为单个细胞的个数,然后再根据腐蚀后的结果,在原妈的二值图像上找到了分离点,从而最终有效地将重叠细胞分离为单个细胞,文中主要     

基于形态学成分分析的指纹分离

针对指纹图像的特点,对形态学成分分析进行改造,将其与角点检测器相结合,提出了一种指纹分离算法。算法基于基追踪去噪算法,首先对重叠指纹图像或者指纹与背景纹理重叠的图像采用两个相同的纹理词典进行稀疏表示,对稀疏系数软门限收缩之后进行反变换得到两幅纹理图像,然后使用梯度下降法最小化分离出来的两幅纹理图像的harris-like算子,使得两幅图像的角点均最少,再对其中一幅图像进行全方差调整,从而达到分离的目的。实验结果表明此方法能够实现指纹分离。     

基于骨架的血细胞图像分离算法

文章从细胞图像骨架的角度出发,研究和发展了一种新的粘连细胞分离算法。其主要思路是:首先采用细化算法提取细胞图像的骨架,并计算骨架各点的边界距离值,然后利用骨架边界距离函数波谷的特性将相互粘结的细胞分离。新算法提出了一种计算骨架边界距离值的新方法用于分析骨架波谷的特性,并在理论和实践的基础上,研究和发展了细胞图像中粘结细胞的分离准则。为证明该算法的有效性,选取了上百种不同的细胞图像进行了测试。实验结果表明,新算法能有效、快速地对细胞图像中相互粘结的细胞进行合理分割。     

大口径光学元件面形检测中重叠激光光斑的分离

在大口径光学元件面形检测系统中,激光光斑的检测及后续处理是基础,直接影响面形检测的精度;针对光学元件面形检测中激光光斑重叠的问题,提出了一种激光光斑重叠分离算法;该算法首先用一种减背景与乘法滤波相结合的方法对光斑图像进行预处理,再用两次阈值法分割图像以获取光斑目标,最后采用距离变换、重叠判别及估算圆心相结合来分离重叠的光斑;实验中,对3种重叠类型不同的光斑进行分离,结果表明,算法能有效地分离重叠的激光光斑;目前,该算法通过长时间的实验验证与改进,已成功运用于实际项目中.     

结合水平集方法和PL主曲线分析的重叠细胞检测

提出了一种重叠细胞检测的新方法,该方法针对细胞图像处理中因细胞重叠而引起的过分割与欠分割现象这一难点,引入基于Mumford-Shah模型的水平集方法得到细胞的初始轮廓,采用EP（erosion-propagation）和PL主曲线相结合的图像分析方法得到目标的精确轮廓线。使用基于目标形状的图像配准方法和基于目标轮廓的分段特征分类器完成重叠细胞的检测。应用该方法对600张随机抽取的细胞图像中9374个细胞进行检测,实验正确率为91.83%,结果表明该方法能够有效地判断细胞是否重叠和重叠类型,为后续分割工作提供依据。     

结合水平集方法和PL主曲线分析的重叠细胞检测

提出了一种重叠细胞检测的新方法,该方法针对细胞图像处理中因细胞重叠而引起的过分割与欠分割现象这一难点,引入基于Mumford-Shah模型的水平集方法得到细胞的初始轮廓,采用EP(erosion-propagation)和PL主曲线相结合的图像分析方法得到目标的精确轮廓线.使用基于目标形状的图像配准方法和基于目标轮廓的分段特征分类器完成重叠细胞的检测.应用该方法对600张随机抽取的细胞图像中9374个细胞进行检测,实验正确率为91.83%,结果表明该方法能够有效地判断细胞是否重叠和重叠类型,为后续分割工作提供依据.     

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。     

融合灰度和梯度信息的彩色细胞图像自动分割

为了开发血及骨髓涂片中白细胞自动分类及计算机辅助诊断系统,提出了一种融合灰度空间、彩色信息和数学形态学形态梯度信息的血细胞图像自动分割算法,以完成对白细胞（胞核和胞浆）的分割。在灰度空间,通过改进的迭代阈值分割算法,对白细胞的胞核进行了精确的定位和检出。通过彩色空间变换,有效地利用了图像中血细胞胞浆的颜色信息及先验知识,并且为了抑制过度分割,充分利用梯度信息,合理地对白细胞的胞核和胞浆进行了标记。在灰度梯度图像上提取血细胞的轮廓,并分别赋予不同的标记,表明数学形态梯度算法较传统的边缘检测算子具有更好的边缘提取能力。结果表明,胞核和胞浆的分割正确率分别为95.5％和92.6％,验证了该算法对彩色白细胞图像分割的有效性。     

一种基于显微多光谱宫颈细胞图像自动分割方法

介绍了一种基于多光谱宫颈显微图像自动分割方法。细胞涂片每一个局部区域经过显微镜放大后再通过电调谐光器件分别取出不同光谱波段的图像，经过CCD送入计算机后得到该视场分析所需的多光谱图像。从所获得的多光谱图像中选择一定的波段图像对数变换相除、多阈值分割和形态学操作，最后获得宫颈细胞的胞浆和胞核覆盖层。本文首次将多光谱分析应用到宫颈显微图像分割中，具有分割准确、分割速度快、能够去除胞浆重叠和受外界干扰少的特点。     

文本分割综述

文本分割在信息提取、文摘生成、语篇解析及其他多个领域有着极为重要的应用。文本分割的对象包括静态书面文本、语音文本以及动态文本等;分割的粒度因分割的目的不同而有所区别;分割的准确性不仅需要直接评测,更需要间接评测。在大量文献的基础上,对目前常用的分割方法及评测手段进行了全面的归纳和总结,分析了文本分割技术的研究现状,指出尚存在的问题并展望研究前景。     

血细胞图像分割的改进MEANSHIFT方法

根据血细胞图像的特点,采用一种基于改进的MEANSHIFT算法,对血细胞图像的G通道直方图和S分量直方图进行处理,自适应地得到白细胞核和其他区域的分割阈值,通过阈值分割将白细胞核从图像中分割出来,再通过后处理得到白细胞浆区域,从而实现白细胞的自适应阈值分割。在对MEANSHIFT算法进行改进后,阈值的获取自适应性更强,实验证明,这种自适应的阈值分割方法快速、有效,并且对于图像颜色变化、染色条件差异等鲁棒性强。     

几种图像分割技术的比较

本文主要介绍了图像分割的几种方法:基于阈值的分割方法、基于边缘的分割方法和基于区域的分割方法及其各自存在的问题和最新进展,同时介绍了结合特定理论工具的分割方法,最后指出了图像分割技术的发展趋势。     

肺部CT图像中的解剖结构分割方法综述

目的 高分辨率多层螺旋CT是临床医生研究肺部解剖结构功能、评估生理状态、检测和诊断病变的主要影像学工具。鉴于肺部各解剖结构间特殊的关联关系和图像成像缺陷、组织病变等干扰因素对分割效果的影响,学术界已在经典图像处理方法基础上针对CT图像中的肺部解剖结构分割进行了大量研究。方法 通过对相关领域有代表性或前沿性文献的归纳总结,系统性地梳理了现有肺组织、肺气管、肺血管、肺裂纹、肺叶或肺段等解剖结构CT图像分割方法的主要流程、方法理论、关键技术和优缺点,讨论了各解剖结构分割的参考数据获取、实验设计方法和结果评价指标。结果 分析了现有研究在结果精度和鲁棒性方面所面临的挑战性问题,以及基于分割结果在定位病变、定量测量、提取其他结构等方面展开的热点应用,特别详述了当前被重点关注的深度学习方法在本领域的工作进展,同时展望了本领域在分割理论方法和后续处理等步骤的发展趋势,并探索了如何在实践中根据分割结果发现新的临床生物标志。结论 快速精确地从CT图像中分割肺部各解剖结构可以获取清晰直观的3维可视化结构影像,展开解剖结构内部的定量参数测量或结构之间的关联关系分析能提供客观、有效的肺部组织疾病辅助诊断依据信息,可以大大减轻临床医生的阅片负担、提高工作效率,具有重要的理论研究意义和临床应用价值。     

几种常用CT图像分割算法分析和探讨

图像分割是数字图像处理的一个经典难题。其分割质量的好坏直接影响到图像处理的后续工作。因而在理论研究和实际应用中受到研究人员的广泛重视。本文在总结了过去的分割方法基础上,就目前常用几种分割方法进行实验研究。主要包括阈值分割、LOG算子分割、FCM聚类分割、分水岭分割,并结合CT图像进行图像分割。文章阐述了各种分割方法的概念及原理,并在此基础上对分割结果进行了分析和探讨,得出各种方法的优点和不足。这些实验结论将为后续研究提供科学依据。     

基于多光谱采集技术的骨髓涂片细胞分割方法

通过光学显微镜估计不同类型、不同成熟阶段的血细胞的相对数目对血液病的诊断具有十分重要的意义。由于骨髓中有核血细胞类数多,特征复杂,给自动分析造成极大困难。论文采用了一种新颖的多光谱成像技术,所采集的图像可以提供更多反映物质特性的光谱信息。在此基础上,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,并且明显降低了对采集设备情况和涂片质量的依赖性。