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。     

一种基于边界特征的二维最大熵分割算法

由于显微成像的精细胞图像对比度较低,背景不均匀,一般阈值分割方法难以得到较好的分割图像.在充分利用图像的空间信息的基础上,结合细胞边缘,提出一种基于边界特征的二维最大熵分割方法,对于目标边缘和目标分别使用不同的阈值分割,给出了算法的步骤和实验结果,实验表明,该算法对于显微精细胞图像分割鲁棒性好,分割准确率高.     

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。     

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。     

基于细胞显微图像特征的ROI自动提取算法

为了在细胞显微图片中快速有效地自动提取细胞聚集的区域,提出了一种基于细胞显微图像特征的感兴趣区域(ROI)自动提取算法.该算法以图像的自动阈值分割为基础,利用图像膨胀后边缘的融合和重叠消亡原理,以图像特征的相似度为判别手段,最后用八邻域轮廓跟踪法取得轮廓线.对大量细胞显微图片的实验表明,该算法成功实现了对细胞显微图像的感兴趣区域沿边缘全自动快速提取.     

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。     

显微细胞图像的识别方法研究

提出了一种自动识别显微细胞的方案.该方案首先采用二维阈值化和Canny算子分割方法对图像进行分割,并采用遗传算法将所得结果加以融合.分割之后,对每个细胞进行二值化处理,然后利用一种改进的区域增长法求出二值图像中黑色区域和白色区域的三个区域特征.最后用这些特征值训练BP神经网络,并使用训练好的神经网络来识别未知细胞.     

基于DTBNN的双阈值图像分割方法

为了能够实现动态无灰度特征峰值的图像分割,提出一种基于决策树的神经网络(Decision Tree Based Neural Network,DTBNN)双阈值图像分割方法。该方法首先运用决策树与神经网络的对应关系,构建出稳定、训练高效的神经网络;然后通过实验采集的图像提取图像灰度均值,最大灰度偏差与阈值映射函数作为样本数据训练神经网络;最后采用训练好的神经网络对被测图像进行阈值映射函数筛选,并计算出被测图像的上下灰度阈值,完成对图像的双阈值分割。仿真实验表明,该方法不依赖于灰度直方图的峰值特征并能获取较好的上下限分割阈值,与最大类间方差双阈值法和最大熵双阈值法比较,能够在动态图像中实现双阈值分割。     

基于自适应滤波的淋巴细胞图像分割算法研究

研究细胞图像分割精确度问题。针对现有医学细胞图像分割算法普遍存在噪声敏感、难以处理粘连细胞以及时间复杂度高等问题,提出基于自适应形态滤波增强的淋巴细胞图像分割算法AMWS。首先采用自适应形态滤波增强算法对淋巴细胞图像进行去噪增强,既去除噪声又保护细胞图像的细节,然后采用双阈值分割对细胞进行粗分割,对重叠细胞进行标记分水岭细分割,完成整个分割过程。仿真结果表明,AMWS算法能够较好地完成淋巴细胞图像的分割,有效避免了现有图像分割方法的缺陷,弥补了现有细胞分割算法的不足,分割效果优于目前同类分割算法。     

基于均值—梯度共生矩阵模型的最大熵多阈值算法

为解决噪声显微细胞图像的多阈值分割问题,该文提出基于均值和梯度共生矩阵模型的最大熵多阈值算法。选用象素点的邻域灰度均值和梯度值构成二维灰度直方图。因为对象素点取均值可以平滑噪声,取梯度值可以锐化边缘,所以该算法能够改善图像的分割质量。考虑显微细胞图像多阈值分割的要求,该算法对二维灰度直方图采用改进的区域划分方式。通过优化传统的求熵算法,来减少运算时间,使之更加适合于擅长矩阵运算的MATLAB编程语言,从而提高运算速度。实验证明,该算法去除了噪声干扰,实现了显微细胞图像的多阈值分割,运算速度较快。     

基于区域的烟尘图像分割方法

烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割,并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。     

基于自适应阈值的舌像分割方法

中医舌诊是目前医学领域的重要前沿课题之一,而舌体轮廓的正确分割是实现中医舌诊信息化的重要前提,目前主流的阈值分割方法对对比度较小的舌像仍不能实现很好的分割。为此提出了一种舌像的自适应阈值分割算法,该算法是以VC＋＋为开发平台,首先把图像分成多个子块,然后运用迭代的方法计算每个子块的最佳阈值,根据每个局部最佳阈值构成的阈值矩阵进行分割。实验结果表明,该算法对背景和目标分界不明显的舌像有很好的分割效果,对中医舌诊的继续发展有很强的现实意义。     

最大熵和最小交叉熵综合的交互式图像分割

在图像分割中,使用某一种分割方法并不是总有效。最大熵和最小交叉熵阈值化方法是目前常用的两种图像分割方法,但在某些分割应用场合失效。针对此问题,提出基于最大熵和最小交叉熵综合的交互式图像分割方法。首先,利用一种简单的算法将前两种方法有机结合产生一种既满足最大熵原则,又满足最小交叉熵原则的新分割方法,然后通过人机交互,在这三种阈值方法中选择最好的图像分割。仿真实验结果表明,提出的方法不仅分割效果好,算法的普适性增强,而且更实用。     

基于RGB彩色空间的图像分割研究

图像分割是图像处理中的主要问题,图像分割效果的好坏直接影响图像分析的结果。彩色图像分割是指将彩色图像分割成各具特性的区域并提取出其中感兴趣的目标,为后续图像处理工作奠定基础。针对彩色图像梯度图进行分水岭分割会造成过分割的问题,比较阈值分割、最大类间方差分割和最大熵分割等图像分割方法,提出一种基于遗传算法改进最大熵的彩色图像分割方法。实验结果表明,该图像分割算法灵活性强,可以有效地分割彩色图像。     

手背静脉图像阈值分割

首先分别应用几种经典的动态阈值分割技术对静脉图像进行分割、比较,然后又提出了一种新的图像分割方法:阈值图像法。试验结果表明对于静脉图像阈值图像法要明显优于其他方法。     

基于三维Otsu法的红外图像阈值分割

常用的阈值分割方法在对红外图像进行分割时,由于红外图像本身的特点,会出现准确性不高的问题。为此,提出一种基于灰 度-平均灰度-梯度直方图的三维Otsu法,使用稀疏矩阵和改进的粒子群优化(PSO)算法,并在标准PSO算法中加入判断早熟停滞的因子,进行最佳阈值的选取,以提高运算速度,保证准确度。实验结果表明,该方法能够快速有效地对红外图像进行分割。     

基于SUSAN边缘信息的阈值分割算法

基于边缘信息的阈值分割方法因为在保持目标轮廓和分割低对比度图像方面具有良好性能,特别适用于对工业生产图片的分割,但是传统方法普遍存在对噪声敏感和阈值难以选取的问题,针对这些问题,提出一种基于SUSAN边缘信息的自适应图像阈值分割算法,使用SUSAN特征响应描述像素的边缘信息,以有效抑制噪声和弱边界的影响。基于图谱理论的最小最大割阈值分割算法相比于其他分割算法时空复杂度大大降低,且获取的阈值全局最优。实验结果表明,该算法能够准确分割出目标,保留丰富的细节内容,对低对比度图像和噪声图像也有很好的分割效果,获取的阈值相比于传统算法更优。     

基于颜色空间映射的自适应足球机器人视觉系统

为了解决足球机器人比赛中视觉信息检测问题,给出基于嵌入式多处理器体系结构的视觉系统框架,并研究了一种自适应阈值目标分割方法。该方法将视觉系统采集的图像从YCbCr颜色空间转换为一维颜色映射图像,并提出基于竞争学习的空间映射方法。同时使用小波变换方法来平滑颜色映射空间直方图和降低阈值搜索维数。然后使用基于映射图像直方图动态搜索阈值的方法来分割图像。最后,通过实验表明研究的视觉系统的有效性,能够实时准确地完成视觉处理任务。     

改进的神经干细胞序列图像分割方法

为了准确分割神经干细胞显微图像,尤其是成簇的正在分裂的细胞以获得神经干细胞分裂谱系,提出了一种改进的分割方法.在利用Otsu阈值法和简单快速的区域吞没法获取二值图像后,利用形态学迭代算法分割成簇的细胞.在二值图像中对每个成分进行特征提取和分析,噪声、欠分割和过分割的细胞以及成簇的细胞分别被提取出来进行处理.利用对起始帧的人机交互式修正及帧间信息可以提高分割正确率.统计结果表明,改进后的方法相比于传统的阈值结合分水岭的方法不论在节省时间还是正确率方面都有所提高,特别是针对成簇细胞和正在分裂的细胞效果尤为显著.     

基于分水岭算法的灵武长枣图像分割方法研究

传统分水岭算法常常会因阈值选择不当而导致图像分割出现各种各样的问题,尤其是过分割问题。在传统分水岭算法的基础上,以灵武长枣图像为研究对象,运用遗传算法对随机选取的阈值进行优化选择;对自然光照环境下的20幅灵武长枣图像,采用改进后的分水岭算法对其进行分割。首先在传统分水岭算法的基础上,利用遗传算法对阈值进行寻优,得到最优的图像分割阈值,再利用最大类间方差法和数学形态学等方法对图像进行后处理,最终得到分割图像,将分割图像与人工分割得到的图像进行比较,分割的正确率能达到89.99%,且分割效果远远优于传统分水岭算法。实验表明,该方法能够得到最优分割阈值并且能够满足机器识别对图像分割的要求。