基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。     

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。     

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。     

基于圆形约束快速水平集的原生质体细胞分割

原生质体细胞的显微图像具有边界模糊、内部分布不均匀的特点,利用传统分割方法较难取得理想分割效果.针对原生质体细胞的圆形特点,在快速水平集分割算法中加入圆形先验知识,提出一种新的基于圆形约束的快速水平集模型.为解决多个原生质体细胞分割问题,首先对图像进行预分割,然后利用多个水平集表示的圆形约束快速模型进行再分割.对传统快速水平集进行改进得到一种基于直方图统计的快速水平集模型,利用该模型进行预分割可以取得较好的效果.对多个不粘连细胞和多个粘连细胞,分别采用八链码跟踪法和随机霍夫圆检测法对预分割后的目标区域进行分裂.实验结果表明,本文快速水平集算法可以有效地解决单个及多个原生质体细胞分割问题.     

基于改进GAC模型的血细胞显微图像分割

研究血液细胞图准确分割问题,针对血液细胞繁多、形态各异,造成图像准确分割困难.为获得更准确的分割结果.克服在血细胞显微图像分割中应用的典型分割算法的不足,对滤波方法和反差参数估计两方面对测地线活动轮廓模型进行了改进.分割时首先应用最小核同值区算子代替传统边缘检测算子,并结合形态学处理获得初始轮廓,根据改进GAC模型进行曲线演化获得精细细胞边界,最后,基于距离变换和测地膨胀获得粘连细胞分界线,完成细胞分割.仿真表明,典型改进算法对分割出的细胞区域更准确.细胞边缘连续平滑,而且具有良好的抗噪能力.     

一种强粘连与畸变巨噬细胞图像的分割方法

针对强粘连巨噬细胞图像难分离和畸变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.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.     

基于组合的尿沉渣粘连细胞分割算法的研究与实现

在尿沉渣图像中经常会出现细胞重叠和粘连的现象。将粘连的细胞分离是尿沉渣自动检测系统中一项重要而困难的任务。针对这一情况,提出一种基于组合思想的分割算法。该算法首先利用改进的自适应阈值分割算法结合形态学处理对细胞进行定位得到子图像,然后再利用基于距离变换的分水岭算法对子图像进行粘连细胞分离。实验结果证明,该算法能准确、稳定地分割尿沉渣粘连细胞。同时,该算法明显地提高了尿沉渣自动检测系统的性能。     

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.     

多细胞粘连的形状识别方法

多细胞粘连识别是图像识别领域的瓶颈问题,为此,提出一种多细胞粘连的形状识别方法。通过改进的阈值分割和八方向边界描述法对细胞进行定位,基于多边形夹角法分离各个粘连细胞,解决了多细胞粘连的形状识别问题。实验结果表明,该方法适用于多细胞复杂粘连情况下的细胞分离和各个细胞的形状识别,系统粘连分离精度为95.3%,形状识别精度达到97.6%,每个细胞识别时间为0.03 s。     

基于ECCC的细胞图像分割算法

针对粘连细胞图像,提出ECCC(Eleven Components Chain Code)链码分割算法。首先对细胞边缘二值图像进行链码统计和边缘拐点检测,新算法对Freeman链码进行了改进,在链码中加入表示边缘拐点的新的链码元素,然后计算边缘拐点的链码差来筛选真实分割点,最后对分割点线性插值实现粘连细胞分割。实验结果表明,针对2粘连和3粘连细胞,ECCC法的分割成功率分别为100%和98%,平均耗时分别为0.42 s和0.67 s,比传统链码分割法减少了近55%的计算量,在复杂的细胞图像分割中具备一定的有效性和可行性。     

一种基于分离包围盒的快速碰撞检测算法

提出了一种基于分离包围盒(SBVs)的快速碰撞检测方法.SBVs的空间形态和位置由两个模型的最优分离平面所决定,这使得它不仅可以快速检测出分离模型,而且在模型相交的情况下能够有效地缩小精确检测的范围.为了能够快速计算SBVs,设计并验证了一种基于SVM的近似计算SBVs方法.最后将SBV和图形硬件的计算优势结合起来,以实现复杂模型相交区的穿刺查询.实验结果表明,基于SBVs的碰撞检测算法能够高效、平衡地处理无拓扑模型的分离、碰撞,尤其是穿刺等复杂情况.     

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。     

Geometric separation of partially overlapping nonrigid objectsapplied to automatic chromosome classification

A common task in cytogenetic tests is the classification of human chromosomes. Successful separation between touching and overlapping chromosomes in a metaphase image is vital for correct classification. Current systems for automatic chromosome classification are mostly interactive and require human intervention for correct separation between touching and overlapping chromosomes. Since chromosomes are nonrigid objects, special separation methods are required to segregate them. Common methods for overlapping chromosomes separation between touching chromosomes tend to fail where ambiguity or incomplete information are involved, and so are unable to segregate overlapping chromosomes. The proposed approach treats the separation problem as an identification problem, and, in this way, manages to segregate overlapping chromosomes. This approach encompasses low-level knowledge about the objects and uses only extracted information, therefore, it is fast and does not depend on the existence of a separating path. The method described in this paper can be adopted for other applications, where separation between touching and overlapping nonrigid objects is required     

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     

基于边密度聚类的重叠社区发现算法

基于边聚类的社区发现算法以边为聚类对象,自然发现重叠社区,但也存在生成的社区集边界归属模糊、社区结构过度重叠等问题.基于此种情况,文中提出基于边密度聚类的重叠社区发现算法.首先,以边为研究对象,通过密度聚类检测连接紧密的核心边社区.然后,根据边界边归属策略将边界边划分到离它最近的核心边社区.针对孤立边,提出基于边的度与边的社区归属的孤立边处理策略,进一步处理未划分的孤立边,避免社区结构过度重叠的问题.最后,将边社区还原为节点社区,实现重叠社区的发现.在人工数据集和真实数据集上的实验表明,文中算法可以快速准确地检测复杂网络中的重叠社区.     

Automatic image segmentation and classification based on direction texton technique for hemolytic anemia in thin blood smears

This paper proposes an automatic method for cell segmentation and classification of erythrocytes in thin blood smears with hemolytic anemia. First, to remove the background and noises in the blood images, the proposed method detects a series of changes on the edges and analyzes the edge changes by using the 8-connection chain codes technique to recognize isolated erythrocytes. For segmenting the overlapping erythrocytes, the 8-connection chain codes technique obtains the edge direction of the cells to effectively figure out the points of high concavity. Then, the adapted high concavity information is used to separate overlapping erythrocytes and to extract features from each segmented erythrocyte. After segmenting, all the erythrocytes can be treated equally and the differences between adjacent chain codes of each erythrocyte can be calculated. Furthermore, the proposed method extracts the variation of eight directions from each individual erythrocyte as their features for classifying into four main hemolytic anemia types. Finally, classification process identifies abnormal erythrocytes and the types of hemolytic anemia by using a trained bank of classifiers, utilizing the proposed method to calculate the quantity of erythrocytes and recognize the types of hemolytic anemia effectively.     

基于结构局部边缘模式的绿色植物物种识别

植物图像的边缘检测是基于图像分析植物物种识别技术的重要环节，利用边缘检测可以增强图像中的轮廓边缘、细节等信息，达到将目标植物从图像中分离出来的目的。因此，为了在绿色植物物种识别中，将图像中的目标植物与背景分离，首先利用可变局部边缘模式算子提取植物图像的边缘特征，再通过结构化局部边缘模式对边缘特征进行编码，来刻画局部边缘。实验结果表明，提出的边缘模式思想在绿色植物物种识别上能得到更高的识别率。     

Precise localization of eye centers with multiple cues

Automatic detection and precise localization of human eye centers are the essential processes in photo related multimedia applications. Since eye center points are used as reference base points for further intelligent processing, precise eye center localization is very important. In face recognition the accuracy of localization of eye centers directly influences the identification accuracy. A multiple stage approach with multiple cues for detection and precise localization of eye centers is presented in this paper. Multiple scopes searching strategy is used for correctly extracting eye patch images from the background. Dedicated gradient based features and curvelet based features are constructed and used for comprehensively revealing the intensity distribution characteristics and the edge based texture around eye centers. A rebuilt score calculation mechanism is proposed and the rebuilt scores are used as a specific measurement index reflecting the matching accuracy. The final localizations of eye centers are determined with integrating the gradient based scores and curvelet based scores. The experiment results testing on public face datasets show that the localization accuracy of proposed approach outperforms the accuracy with other state of the art methods.     

一种动量因子自适应自然梯度的盲分离方法

自然梯度算法是处理盲源分离问题的一个重要方法。基于信号分离度的概念以及BP算法中的动量因子,在自适应步长的基础上加入了基于分离度自适应变化的动量因子,提出了一种改进算法来更好处理速度和分离之间的矛盾;通过仿真验证了改进算法的优越性。     

基于优选小波基和模糊SOM网络的模拟电路故障诊断

为了解决模拟电路故障诊断中的特征提取困难并实现对模拟电路故障模式准确的分类,提出一种优选小波基、模糊理论和自组织特征映射网络(SOM,self-organizing feature map)相结合的模拟电路故障诊断方法.该方法首先对模拟电路故障响应信号进行小波分解、提取能量值、均值和方差组成输入特征向量,同时采用余弦分离度评价小波变换在不同小波基函数下获取故障特征的有效性,据此选择余弦分离度最小的小波基分解的特征向量输入到自组织特征映射网络进行故障分类.仿真实验表明,利用余弦分离度选择的最优小波基能有效提高模拟电路故障特征提取,模糊神经网络能对故障模式进行精确分类.