Combining intensity, edge and shape information for 2D and 3D segmentation of cell nuclei in tissue sections

We present a region‐based segmentation method in which seeds representing both object and background pixels are created by combining morphological filtering of both the original image and the gradient magnitude of the image. The seeds are then used as starting points for watershed segmentation of the gradient magnitude image. The fully automatic seeding is done in a generous fashion, so that at least one seed will be set in each foreground object. If more than one seed is placed in a single object, the watershed segmentation will lead to an initial over‐segmentation, i.e. a boundary is created where there is no strong edge. Thus, the result of the initial segmentation is further refined by merging based on the gradient magnitude along the boundary separating neighbouring objects. This step also makes it easy to remove objects with poor contrast. As a final step, clusters of nuclei are separated, based on the shape of the cluster. The number of input parameters to the full segmentation procedure is only five. These parameters can be set manually using a test image and thereafter be used on a large number of images created under similar imaging conditions. This automated system was verified by comparison with manual counts from the same image fields. About 90% correct segmentation was achieved for two‐ as well as three‐dimensional images.     

面向遥感图像水域分割的图像熵主动轮廓模型

为提高遥感图像水域分割的准确度,结合高分率遥感图像中水域与背景纹理复杂度差异较大的特点,将图像熵引入到CV模型中,提出两种图像熵主动轮廓模型用于高分辨率遥感图像的水域分割。其中,针对水域纹理相对简单的遥感图像,在CV模型中引入零水平集内的图像熵而构成局部图像熵主动轮廓模型,可以有效降低背景中灰度值与水域近似的区域发生误分,从而提高水域分割的准确度;针对水域纹理相对复杂的遥感图像,在CV模型中同时引入零水平集内外图像熵而构成全局图像熵主动轮廓模型,改进了水平集函数进化过程中对灰度信息的依赖,并能使零水平集进化到全局最优,进一步提高了遥感图像中水域分割的准确度。针对高分辨率遥感图像中的湖泊、河流和海域分割对比实验结果表明:局部图像熵主动轮廓模型的分割精确率分别为90.1%、81.5%和93.6%,F值分别为0.94、0.885和0.96;全局图像熵主动轮廓模型的分割精确率分别为94.5%、85.3%、94.9%,F值分别为0.956、0.895、0.967。本文提出的两种图像熵主动轮廓模型均能有效减小背景误分,提高了遥感图像水域分割的准确度。     

纹理图像的相位场演化分割研究

为研究在噪声环境下的纹理图像的分割,提出了一种基于相位场演化的纹理图像分割算法。首先在相位场模型中加入了形状统计的能量项,以此指导和约束边缘界面轮廓的演化过程;然后通过对改进相位场模型的梯度流方程的求解,得到了算法的数值解。最后将本研究算法用于纹理图像的分割。实验结果验证了该算法的有效性。     

基于相位和GGVF的水平集乳腺超声图像分割

提出一种基于相位和广义梯度矢量流(generalized gradient vector flow,GGVF)的水平集分割方法,并用于乳腺超声图像的肿瘤分割。首先,在频域空间,用Cauchy核替代Log-Gabor作为正交滤波器对图像进行滤波,提取来自于单演信号的多尺度图像特征,引入相位一致的思想将多尺度特征结合起来进行边界检测;然后,在此基础上,利用相位一致梯度图定义了一个基于相位的速度停止项函数,同时改进了GGVF;最后,将得到的速度停止项和梯度矢量流融入到水平集演化方程中来控制曲线的演化,获得乳腺肿瘤的边界。实验结果表明,使用该分割方法可获得比现有方法更好的乳腺肿瘤分割结果。     

一种合成孔径声呐图像目标分割方法

合成孔径声呐图像的信噪比低于普通光学图像,使图像分割成为合成孔径声呐图像处理中的重要环节。本文研究了表示合成孔径声呐图像数据分布的瑞利混合模型,结合马尔科夫随机场模型,将其应用于声呐图像水下目标(亮区)分割;通过最大期望算法分别估计目标和背景的瑞利混合模型参数,并利用该参数使用Graph cut方法进行马尔科夫随机场图像分割,通过重复迭代,最后形成稳定的目标分割结果;对实际的声呐图像进行了数据分析及目标分割,结果表明瑞利混合模型在描述合成孔径声呐声图上有良好的性能,可以改善目标分割的效果。     

复杂特性曲线图像特性信息的获取

对于具有稠密的坐标网格线和数条光滑特性曲线相互交织,以及有着印刷瑕疵的特性曲线图像,采用现有的方法来获取曲线特性信息变得极为繁琐和效率极差.提出了利用线检测技术从图像中剔除稠密的坐标网格,以及通过所建立的斑点识别算法来除去坐标网格,剔除所形成的斑点,并采用所建立的多义线模拟样条曲线直接在图像上描绘曲线来修复曲线缺口部分,然后利用曲线跟踪过程中已经获得的前面数个边界点信息预测下一个边界点等方法,使上述复杂特性曲线图像特性信息的数字描述得以顺利地完成.     

基于支持向量机的X射线焊缝缺陷检测

为提高对焊缝缺陷的检测精度,提出采用支持向量机(Support Vector Machine,SVM)分类的方法对X射线焊缝图像进行分割.选择训练样本图像的灰度、形态学梯度作为训练向量的特征分量对SVM进行训练,得到SVM分割模型后,将测试样本输入分割模型进行分割处理.以气孔缺陷为例,证明了该方法能实现焊缝气孔缺陷的准确分割,与其他分割方法相比,可提高缺陷检测的精度.     

Automatic setae segmentation from Chaetoceros microscopic images

A novel image processing model Grayscale Surface Direction Angle Model (GSDAM) is presented and the algorithm based on GSDAM is developed to segment setae from Chaetoceros microscopic images. The proposed model combines the setae characteristics of the microscopic images with the spatial analysis of image grayscale surface to detect and segment the direction thin and long setae from the low contrast background as well as noise which may make the commonly used segmentation methods invalid. The experimental results show that our algorithm based on GSDAM outperforms the boundary‐based and region‐based segmentation methods Canny edge detector, iterative threshold selection, Otsu's thresholding, minimum error thresholding, K‐means clustering, and marker‐controlled watershed on the setae segmentation more accurately and completely. Microsc. Res. Tech. 77:684–690, 2014. © 2014 Wiley Periodicals, Inc.     

Segmentation of touching cell nuclei using gradient flow tracking

Reliable cell nuclei segmentation is an important yet unresolved problem in biological imaging studies. This paper presents a novel computerized method for robust cell nuclei segmentation based on gradient flow tracking. This method is composed of three key steps: (1) generate a diffused gradient vector flow field; (2) perform a gradient flow tracking procedure to attract points to the basin of a sink; and (3) separate the image into small regions, each containing one nucleus and nearby peripheral background, and perform local adaptive thresholding in each small region to extract the cell nucleus from the background. To show the generality of the proposed method, we report the validation and experimental results using microscopic image data sets from three research labs, with both over-segmentation and under-segmentation rates below 3%. In particular, this method is able to segment closely juxtaposed or clustered cell nuclei, with high sensitivity and specificity in different situations.     

基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。     

基于广义反向粒子群与引力搜索混合算法的多阈值图像分割

提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题。提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛。在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法。最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较。实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90%以上,是一种精度高、稳定性强的多阈值图像分割方法。     

面向挤出中聚合物形态的层析图像处理方法的研究

依据光学信息论中的多维随机变量的联合熵、条件熵、平均互信息之间关系和互信息的链式法则,提出了面向挤出中聚合物形态的层析图像处理方法.它包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量.实验表明,通过该方法不仅能将目标形态从目标与背景之比为1∶9的层析图像中分辨出来,而且能提高目标图像的空间分辨率30%,解决了由于目标图像信息量小、对比度差而使得层析图像测量方法难以在工程中应用的问题.     

基于主动轮廓线模型的棒材自动计数方法的实现

针对棒材集捆后的特点,提出了一种基于主动轮廓线模型及数字图像处理的计数方法。首先利用主动轮廓线模型将棒材从背景中分离出来,然后利用图像分割、边缘提取及数学形态学来实现棒材的计数。     

结合多尺度视觉显著性的舰船目标检测

光学遥感图像海面舰船目标检测易受云雾,海岛,海杂波等复杂背景的干扰。本文提出了一种适用于复杂背景的舰船目标检测方法。首先为了克服目标尺度多变问题,利用视觉显著性生成多尺度显著图,然后使用基尼指数自适应选择最优显著图。考虑到全局阈值分割算法带来的漏检测问题,提出一种新的方案来分离目标和背景像素点。利用图像膨胀原理获取显著图的局部极大值点,然后使用k-means算法判断极大值点属于目标像素点还是背景像素点。接着对目标点邻近区域进行精细分割。最后引入基于径向梯度变换的旋转不变特征来进一步剔除虚警。实验结果表明,该算法能够成功检测出不同尺寸和方向的舰船目标,有效克服复杂背景的干扰。算法检测正确率93%,虚警率4%,优于其他舰船检测方法。     

动态多目标优化的运动物体图像分割

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。     

基于梯度先验的水下图像恢复

由于水体对光线的吸收和散射作用,水下图像呈现出强衰减、高噪声和色彩畸变等问题,难以满足视觉观察和图像分析的需求。针对这一问题,提出了一种基于梯度先验的水下图像恢复方法,用以提高水下图像质量。首先,根据水下成像特性,建立水下图像梯度先验,水下图像中目标反射信息(水下清晰图层)的梯度大于散射噪声信息(水下噪声图层);其次,根据水下成像模型,对上述梯度先验进行表征建模;最后,建立水下图像的梯度分布优化函数,采用半二次优化方法分离出目标反信息,作为水下图像恢复结果。以UEIB和RUIE数据集为实验样本,与近年来所提出的5种水下图像处理方法进行比较,方法在定性和定量两类评价中均获得了出色的处理结果,峰值信噪比(PSNR)、结构相似性(SSIM)和水下图像质量评价指标(UIQM)评价指标分别达到20.066 5、0.696 1和3.902 9,均优于对比方法。因此,该方法能够有效地抑制水下图像噪声,提高水下图像的信噪比、清晰度和对比度。     

利用高斯混合模型的多光谱图像模糊聚类分割

针对传统分割算法难以实现高分辨率多光谱图像分割的问题,本文提出一种利用高斯混合模型的多光谱图像模糊聚类分割算法。该算法采用高斯混合模型定义像素对类属的非相似性测度,由于该算法具有高精度拟合数据统计分布能力,故可以有效剔除噪声对分割结果的影响。同时,引入隐马尔科夫随机场(Hidden Markov Random Field,HMRF)定义邻域作用的先验概率,并将其作为各高斯分量权值以及KL(Kullback-Leibler)信息中控制聚类尺度的参数,从而增强了算法对复杂场景遥感图像的鲁棒性,进一步提高了算法的分割精度。对模拟图像和高分辨多光谱图像分割结果进行了定性定量分析。实验结果表明:模拟图像的总精度达96.8%以上。这验证了本文算法在分割高分辨率多光谱图像时具有保留细节信息的能力,而且也证实了算法的有效性和可行性。该算法能够实现高分辨率多光谱图像的精确分割。     

基于彩色图像的运动目标分割方法

针对彩色图像Hue-saturation-intensity颜色模型各分量所携带的颜色信息不同的特点,结合区域分割算法在彩色图像中提取区域颜色特征,并将区域颜色特征作为局部阈值分割方法的阈值特征,提出一种基于图像区域颜色特征的运动目标分割方法。分割试验显示了该运动目标分割方法的有效性和可行性。提出融合梯度算子和子区合并技术进行区域分割的方法,子区合并技术能够在一定程度上防止两个独立的区域被错误的合并成一个区域, 这种区域分割方法和常用的Region growing算法的对比分割试验显示该方法对灰度变化不均匀的区域进行分割的效果优于Region growing算法。     

非监督层次化模糊相关的人体红外图像分割

针对当前多级模糊熵算法在分割人体红外图像时,存在划分数需人工指定,全局划分导致熵的信息度量精度受背景干扰,分割精度不高等问题,提出了非监督层次化模糊相关分割。首先采用熵率法将图像划分为若干超像素,确保区域一致性,提高后续处理效率;随后,用准确度量划分适当性的模糊相关来描述图像,构建模糊相关图割2-划分算子,提高层次化分割中单步分割的精度。2-划分算子的核心思想是利用提出的递推计算策略,快速搜索最大模糊相关时目标和背景的划分概率,并用其来设置图割的数据项,实施超像素的模糊相关图割2-划分。最后将2-划分算子与自顶向下的非监督层次化分割策略相结合,迭代地对目标超像素区域实施2-划分,自适应确定划分数,获得人体目标。实验结果表明:较常用算法,该算法不但能自动确定划分数,而且分割精度还提高了约18%,运行时间约为3.8s,能有效用于人体红外图像分割的工程实践中。     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。