二维Otsu自适应阈值分割算法的改进

在二维OTSU自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法，这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其领域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法，通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善，同时还大大降低了算法的复杂性。     

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。     

基于改进分水岭变换的矿石图像分割算法

为了准确测量传送带上的矿石尺寸,提出了一种局部自适应阈值化和改进的分水岭变换相结合的矿石图像分割算法.该算法利用基于积分图像的自适应阈值化算法提取矿石区域;对二值图像做距离变换与双边滤波处理,并应用提出的基于区域合并的分水岭变换算法对图像进行分割;将提取的矿石区域与分割结果进行合并,得到最终的分割结果.对现场采集的复杂的矿石图像进行仿真实验,实验结果表明,该算法分割准确、速度快、光照自适应强.     

基于稀疏主成分分析和自适应阈值选择的图像分割算法

图像分割是机器视觉中的基础问题,基于阈值的图像分割算法依赖于参数调整,但参数调整容易受到局部最小值的影响且需要耗费大量时间,从而降低了分割算法的质量和效率。为了实现图像分割过程中的自适应阈值选择,提出了一种基于稀疏主成分分析和自适应阈值选择的图像分割算法。该算法首先利用稀疏主成分分析感知图像的噪声水平以自适应去噪,其次通过二维直方图感知图像的主干区域内容以自适应获得全局分割阈值,然后通过移动平均法的局部阈值分割算法对图像进行分割,最后将全局阈值分割和局部阈值分割图像结合,从而获得最佳的分割图像结果。在伯克利数据集上的仿真实验结果表明:相比传统的阈值分割算法,该算法在分割边缘的准确性和对噪声的鲁棒性上具有一定的优势,在主客观上均具有较好的分割效果,基于稀疏主成分分析的自适应阈值选择方法提高了图像的分割质量。     

基于CT心脏图像的腔体区域分割新算法

在心脏图像处理中,为解决心脏四腔过分割问题,使用基于直方图的多阈值分割和标记分水岭分割相结合的新方法.由于CT心脏腔体区域灰度十分相似,组织相互连通,采取单一阈值分割无法得到目标区域,新算法使用多阈值分割,根据图像对应的直方图选择合适的阈值,并将分割结果作为基于标记的分水岭分割算法的输入图像,最终获得心脏的腔体区域,最后,通过重建得到左心房心室的三维结构图.而与其他分水岭改进方法相比,该算法以基于直方图的多阈值分割为前提,标记提取更为准确,目标组织边界清晰,能够获得更加理想的分割结果,有效降低了仅使用分水岭算法存在的过分割现象.     

二维直方图图形统计分析的分割方法

一维阈值分割方法对噪声污染的图像很难达到理想的分割效果。二维直方图的分割方法结合了灰度和空间信息使分割精度提高,但计算复杂度急剧增加,并且传统二维直方图的方法对噪声和边缘像素的处理不够准确。改进了二维直方图的构造方法,采用自适应滤波器平滑噪声的同时更高效地保持了图像边缘和高频细节信息。运用改进的Hough变换对二维直方图进行图形统计分析,并搜索二维直方图的平面分割线,将二维直方图划分为不同的分割区域。实验结果表明改进的算法对噪声污染的图像有更好的抗噪能力,分割也更加准确。     

固体推进剂药柱图像的自适应阈值分割方法

以固体推进剂药柱内窥镜图像表面缺陷的自动检测为例,在分析了此类图像特征的基础上,提出了一种利用梯度直方图信息的图像自适应阈值分割算法。通过实例,与原自适应直方图阈值分割算法和固定阈值分割算法相比较,结果表明：该算法采用可动态调整的形态学梯度算子计算梯度直方图,充分利用了图像的边缘信息和缺陷内部灰度分布不均匀的特性,算法简单,适应性广,具有实时准确分割图像的特点。     

基于最小类内差和最大类间差的图像分割算法研究

针对现有二维Otsu图像分割算法未考虑到目标和背景这二类像素自身的内聚性,提出一种新的自适应二维Otsu算法,算法通过待分割图像的二维直方图,分别统计类内的绝对差、类间总体离差以反映类内、类间的离散度,从而构造出新阈值判别函数.通过一种改进的遗传算法优化二维阈值判别函数,自动得到较理想的分割阈值.实验结果表明,与其它阈...     

复杂光照下DPM图像自适应多阈值分割方法研究

复杂工况下,CCD相机采集到的DPM（Direct Part Mark）工业二维码图像受光照影响易出现大片光斑或阴影区域,造成DPM区域的信息遗漏,从而导致识别困难。为此,提出一种基于分段直方图凹度分析的多阈值自适应分割算法。首先在灰度直方图平滑的基础上计算出系列局部峰值,并借此完成直方图分段,再递推计算出每分段区域下凹处的分割阈值。其次通过引入基于阈值点局部区域信息的修正因子,使分割阈值自适应变化而更适用于局部对比度较低的状况。实验结果表明,该方法分割效果优于经典的阈值分割算法,平均运行效率比最快的多阈值分割算法提高17.75倍。经自适应局部阈值分割后,DPM图像复杂光照区域有用信息得以增强,缺失信息得以弥补,为后续的对象识别奠定基础。该方法也可推广于对比度多变的图像增强。     

二维Otsu阈值分割算法的改进及应用

为改善传统二维Otsu阈值分割算法处理图像的计算复杂度高、实时性差、受噪声干扰严重等缺点,提出一种改进的快速二维Otsu阈值自动分割算法.通过改变二维直方图判别域的划分将二维阈值求解转化为一维阈值求解,对原图像的直方图采用二分法得到最优分割阈值的初始值,然后在此基础上通过两个分量方向上迭代求解得到图像的最优分割阈值.理论分析与仿真车牌实验表明,与传统二维阈值分割算法相比,此算法的计算复杂度远远低于原始二维Otsu算法,且分割效果和原始算法的基本一致.     

利用云模型的血细胞图像阈值化方法

经典统计阈值方法直接利用类方差构造最优阈值准则,具有一定的通用性,但在某些情况下缺乏实际应用的针对性。为了解决血细胞图像阈值化及白细胞核提取问题,提出了一种利用云模型的简单快速方法。该方法分别生成白细胞核和血细胞背景对应的云模型,利用各类云模型的超熵定义了新的阈值化准则,然后通过最大化该准则自动获取最优灰度阈值,最终完成血细胞图像二值化及白细胞核提取。实验结果表明,与Otsu法、最大熵法、最小误差法、最小类内方差和法以及最小极大类内方差法等方法相比,新方法更适合于血细胞图像分割,二值化效果好,白细胞核提取质量高,具有合理性和有效性。     

A novel white blood cell segmentation scheme based on feature space clustering

This paper presents a novel white blood cell (WBC) segmentation scheme based on two feature space clustering techniques: scale-space filtering and watershed clustering. In this scheme, nucleus and cytoplasm, the two components of WBC, are extracted, respectively, using different methods. First, a sub image containing WBC is separated from the original cell image. Then, scale-space filtering is used to extract nucleus region from sub image. Later, a watershed clustering in 3-D HSV histogram is processed to extract cytoplasm region. Finally, morphological operations are performed to obtain the entire connective WBC region. Through feature space clustering techniques, this scheme successfully avoids the variety and complexity in image space, and can effectively extract WBC regions from various cell images of peripheral blood smear. Experiments demonstrate that the proposed scheme performs much better than former methods.     

改进FCM和LFP相结合的白细胞图像分类

研究白细胞图像分类识别中有效的图像分割与特征提取方法,以提高白细胞图像的正确识别率.由于某些白细胞(粒细胞)中颗粒的存在,严重影响细胞核与细胞质区域的正确分割,通过将空间信息与核函数融入模糊C-均值聚类(FCM)算法,提出一种改进的FCM算法.应用该算法对白细胞图像进行分割,并采用数学形态学方法对分割后的图像进行处理,获得了很好的分割效果,解决了粒细胞的质核分割难题.对于细胞的纹理特征提取,通过对局部二值模式(LBP)中阈值参数的模糊化,建立了基于局部模糊模式(LFP)的纹理特征提取算法.运用本文方法进行图像分割和纹理提取,以支持向量机作为分类器,对CellAtlas的100幅白细胞图像进行了分类识别的实验,结果表明白细胞的正确识别率达到93％.     

基于尺度空间分析和概率松弛的细胞图像分割算法

提出基于直方图尺度空间分析和概率迭代松弛的混合方法分割背景复杂的细胞图像。首先根据原始图像直方图的尺度空间特性和多尺度滤波结果,选取最佳阈值将图像分为多个类。然后,利用迭代的概率松弛法对粗分结果进行优化,并在后处理阶段中切割粘连细胞。将该方法与最大方差法和区域增长法进行比较,通过实例表明该方法的有效性。     

A leucocytes count system from blood smear images

Automated blood cell counting instruments are very important tools, daily used by haematologists and medical analysts to perform a complete blood count (CBC). The results of the CBC may be complex to interpret but could lead to important decisions regarding the patient medical treatment. The main focus of this research is oriented to a CBC technique, named white blood cell count (WBCC). Generally, the WBCC is performed by skilled medical operators on peripheral blood smears in order to make a correct count and to obtain useful information such as cell abnormalities or the physical status. The manual WBCC is associated with several challenges, in fact it is a time-consuming, labour intensive and expensive process. This paper introduces a reliable automated WBCC system based on image processing techniques. The main aims are to speed up and to improve the accuracy of the WBCC process. The proposed automated system introduces a new approach to segment white blood cells taking into account the knowledge acquired from a training set formed of the three main classes elements, the white blood cells, the red blood cells and the plasma present in a blood smear image. The segmented regions containing only the white blood cells are subjected to a further step in which the count is performed using the circular Hough transform exploiting the grey-level information. The method has been tested on three different public datasets, in order to highlight the accuracy of the segmentation approach with different colour images and illumination conditions. The experimental results obtained on these datasets demonstrate that the proposed method is very accurate and robust achieving an accuracy of at least 99.2 % in white blood cells counting.     

基于图划分的图像直方图聚类分割

传统的基于图论的图像分割方法都是直接对图像灰度数据进行聚类分割,算法计算量较大。提出一种新的基于图论的直方图聚类分割算法,算法对图像直方图数据进行聚类,并由此得到分割阈值。由于输入值为直方图数据而不是图像灰度,数据量最大为 256而与像素数无关。实验研究表明,本方法在分割质量基本不变的情况下使得计算量大为减少。     

宫颈细胞核质自动分离算法研究

宫颈细胞核质分离在宫颈细胞形态学研究中是十分重要且具有挑战性的环节。论文提出了一种基于Grab Cut算法结合Canny算子边缘检测高效分离宫颈细胞核与细胞质的方法。对获取宫颈细胞图像进行灰度变化预处理求得灰度直方图,根据直方图求解确定Canny算子双阈值,进而获取宫颈细胞核和细胞质的轮廓;根据获取的轮廓利用改进的Grab Cut算法进行核质分离,并且针对Grab Cut算法进行相应改进,使其高斯混合模型的参数的确定效率提升。实验结果表明,该算法不仅有较好的分割效果而且分割准确率与效率也很高。     

基于S分量指数加权H分量的圆形直方图阈值法

HSI颜色空间可以用三维空间下的圆锥模型进行解释,基于HSI颜色空间的H分量圆形直方图实现彩色图像分割具有可行性。针对HSI颜色空间的H分量圆形直方图毛刺较多以及相关阈值选取准则分割精度较低的问题,给出S分量指数加权H分量的直方图公式,利用S分量信息对H分量直方图的毛刺进行平滑处理,并通过分析给出指数加权因子的最优取值。在此基础上,提出一种圆形直方图阈值分割法,通过对整个圆形直方图进行整体角均值计算而得出新的阈值选取准则。实验结果表明,该圆形直方图阈值分割法具有有效性,在测试数据集上,与3个圆形最大熵阈值分割法以及2个阈值分割准则相比,所提方法的像素精度值平均提高3.2%,结构相似度值平均提高2.5%。     

基于数学形态学的免疫细胞图象分割

为了实现对免疫细胞图象的分析，首先要对该种图象进行正确分割，针对这一要求，提出了一种有效的免疫细胞图象分割方法，该方法是根据数学形态学的知识，利用直方图势池数来提取标记点，并将这些标记点作为种子点来对梯度图进行Watershed变换，进而实现了细胞图象的分割。该方法是一种谱信息与空间信息相结合的分割方法，根据实验结果和分析可见，该方法不仅解决了细胞在参数测量前的精确分割问题，同时，为水域分割的关键步骤－种子点的选取找到了一种有效而可靠的方法，实践表明，分割的结果与 目视感受相一致，且其分割速度及可重复性都达到了医学临床的要求。