细胞图像分割方法的研究与实现

提出了多种分割策略对一幅给定的细胞原图的细胞核和细胞浆进行分离。运用3种图像分割方法（边缘提取、最佳阈值法和分水岭）实现图像分割,并且对三种方法的优缺点做了比较。理论分析和实验结果表明采用这种方法基本上能把细胞核提取出来,并保持它的形状不变,其中用最佳阈值法可取得较好的效果。     

肺癌细胞识别彩色图像处理系统

本文介绍了一个用于识别痰液涂片彩色细胞图像中肺癌细胞的彩色图像处理系统。为提高系统识别癌细胞的稳定性与有效性，我们采用了一种细胞分割与分类的分层处理结构。首先，在某一特定的归一化彩色空间中，利用自适应阈值的方法对细胞核进行分割；然后，利用细胞核的形态学特征检出可疑癌细胞；最后用细胞核区的色度学特征对可疑癌细胞进行分类与识别，从而确定是否存在癌细胞。     

边缘和区域多阶段结合的图像分割

基于局部灰度的边缘检测和基于全局灰度统计的阈值分割是两种最要的图像分割方法.针对这两种方法单独使用时得不到理想分割结果的问题,提出一种边缘和区域多阶段结合的策略,利用边缘像素的灰度确定子区域分割阈值,将边缘和区域边界距离评估作为子区域递归分割的终止条件,最后叠加边缘图修订区域分割结果.实验表明,本文方法对于目标灰度不均的细胞图像能获得理想的分割效果.     

异常宫颈细胞核的自适应局部分割

为实现宫颈液基细胞图像中异常细胞核的准确分割,提出一种新的自适应局部细胞核分割方法：在自适应阶段,采用一种利用灰度和纹理信息的快速自适应阈值算法大致检测出细胞核区域;在局部阶段,对每一个粗分割得到的连通区域,在其局部邻域内,使用一种利用边界和区域信息的、基于泊松概率分布的图割法修正分割结果。将此方法用于苏木素&伊红染色的宫颈液基细胞图像,结果显示本文所提出方法的平均计算时间为1.6秒/图,且比文献[3]的方法在细胞核检测率、和异常细胞核分割精度上均提高了19.7%。     

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。     

叶类中药显微图像的阈值分割和自动分类

针对叶类中药显微图像的特征,本文提出一种基于阈值分割叶类中药显微图像的方法,并完成气孔指数的测定。采用边缘检测技术来指导阈值分割的过程,并通过形态学处理和区域描述子共同完成细胞的分割和区域计数,在此基础上,结合图像颜色空间特征,基于图像目标正态分布的假设,对去除细胞图像的其他部分进行分割,从而完成气孔的分割。实验结果表明,该方法对叶类中药显微图像能够进行有效的分割。     

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。     

基于小波及纹理特征的轴承防尘盖缺陷检测

针对常规阈值分割算法难以检测轴承防尘盖表面较浅缺陷问题,提出一种边缘检测算法。该算法基于小波变换对防尘盖区域随机纹理的削弱作用,对分解后得到的低频部分和高频部分分别采用不同参数的Canny算子进行边缘检测。分析防尘盖区域的纹理特征与所选参数之间的关系,设计一种以防尘盖区域直方图熵值为参考的自适应策略。实验结果表明,该算法能有效分离出阈值分割难以检测的缺陷,且不易受防尘盖本身纹理的影响,为缺陷的在线检测提供了良好的支持。     

基于中心定位算法的细胞双光子显微图像分割

细胞双光子显微图像中存在边界模糊不清、噪声严重以及背景复杂等问题,使用现有方法提取边缘的结果不够理想。为此,提出了一种有效定位细胞核、提取边缘的新方法。采取由粗到精的分割策略,逐步提取出细胞核的边缘:首先,用C-均值聚类算法对图像进行分类,大致分出细胞核、细胞质和细胞间质三部分;然后,对分类结果的Canny边缘图进行圆形度计算,准确定位细胞核;最后,采用改进的水平集方法提取出细胞核的边缘。实验结果表明:对于背景复杂、干扰较多的细胞双光子显微图像,该方法可以精确地定位细胞核,所提取的细胞核边缘也较为精确。     

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.     

直线截距直方图城区遥感图像多阈值分割

阈值分割简单有效,但现有的单阈值方法对城区图像分割效果不佳,难以取得令人满意的结果。为了快速准确地对城区遥感图像进行分割,本文提出了基于直线截距直方图倒数灰度熵和人工蜂群优化（artificial bee colony optimization, ABC）的多阈值分割方法。首先,给出直线截距直方图的定义并建立城区遥感图像的直线截距直方图;然后,计算该直方图倒数灰度熵的大小,推导出其单阈值选取公式;最后,将其推广到多阈值选取,并利用人工蜂群优化算法,对多个阈值进行快速精确地寻优,以此最终实现城区遥感图像的多阈值分割。实验结果表明,该方法所分割的图像中多目标的形状、边缘更为准确,纹理及细节特征更加清晰,且所需运行时间仅为同类多阈值分割方法的25%,是一种行之有效的城区遥感图像分割方法。     

细胞膜机制萤火虫算法优化多阈值Otsu图像分割

图像阈值分割是将灰度图像转换为二值图像的常用图像分割方式.经典多阈值Otsu算法对复杂图像进行分割取得了很好的效果,但是其采用穷举方法来寻找最优阈值是非常耗时的.针对这一问题,本文提出了一种基于细胞膜和自适应步长萤火虫混合优化算法的多阈值Otsu图像分割方法.利用萤火虫算法的启发式搜索来寻找图像分割的最优阈值很好地降低了算法的时间复杂度,并且在萤火虫算法中混合细胞膜算法很好地解决了萤火虫算法的"早熟"现象.实验结果表明,与经典多阈值Otsu法和萤火虫算法优化多阈值Otsu法相比,本文提出的算法具有更高的收敛速度和更好的图像分割效果,并且有效解决了萤火虫算法易陷入局部最优的问题.     

自然场景图像中叶片区域快速多阈值提取方法

针对自然场景中植物叶片图像分割效果不佳,难以从含有多个叶片的图像中提取出完整叶片区域的问题,提出了一种叶片区域的快速多阈值提取方法。首先,使用人工蜂群算法优化Otsu多阈值选取的过程,以类间方差为适应度函数获取最优的多个阈值,在获取最优多阈值的过程中以迭代的方式自适应地确定出适合于叶片图像的分割阈值数目,然后使用边缘检测,逻辑运算和形态学操作等从多阈值分割结果中去除背景元素,提取独立、完整的叶片区域。实验结果表明,当对包含一个和多个叶片的自然场景图像进行处理时,该方法能够较为快速地得到更为完整、准确的叶片区域。     

基于Curvelet变换和多目标粒子群的混合熵MRI图像多阈值分割

针对因噪声干扰多、灰度不均匀、目标边界模糊导致的核磁共振成像（MRI）图像难以精确分割的问题,提出了一种基于Curvelet变换和多目标粒子群（MOPSO）的混合熵MRI图像多阈值分割算法。首先,对待分割MRI图像进行Curvelet分解,提取低频子带和高频细节子带构建概貌-细节灰度级矩阵模型,以提高算法的目标细节表示能力;其次,同时考虑目标与背景的类间差异性与类内均匀性,将提出的二维多阈值倒数熵和倒数灰度熵组合定义为混合熵,作为多目标粒子群算法的目标函数,协同搜索得到最优的分割多阈值,以实现MRI图像的精确分割;最后,为提高算法的求解速度,提出了二维倒数熵和倒数灰度熵多阈值选取的梯度算法。实验结果表明：与二维tsallis熵、自动细菌觅食分割法（ABF）和改进的Otsu多阈值分割算法相比,所提方法对灰度不均和含噪的MRI图像具有更好的适应性,分割结果更为精确。     

一种新的图像分割算法

在形态学梯度边缘检测算子的基础上,综合多尺度和多结构元算法的特性,提出了一种新的图像分割方法。利用桥梁的明显特征预测桥梁目标的位置,获得感兴趣区域,通过多阈值法简化原图;采用多尺度形态滤波和区域标记得到目标的初始轮廓,构造5个不同方向的结构元素,对这些结构元素运用多尺度形态学方法来检测目标边缘。实验结果表明本算法能够比较准确地完成图像分割。     

基于改进正余弦优化算法的多阈值图像分割

针对多阈值图像分割方法计算量大、分割精度低的问题,提出了基于改进正余弦算法（improved sine cosine algorithm,ISCA）的多阈值图像分割方法。首先对种群进行混沌初始化来提高初始种群质量;其次根据粒子适应度值的大小自适应地调整参数;最后引入反向学习策略并择优选取粒子。伯克利图像和植物冠层图像分割实验的结果表明,该算法的运行时间较短,而且分割精度较高,具有较强的鲁棒性。     

Otsu多阈值快速求解算法

最大类间方差(Otsu)方法计算简单,分割效果良好,广泛应用于图像的单阈值分割。为了使Otsu方法能够适应于更加复杂的图像,很多学者对其进行了多阈值的推广,但存在计算量大、效率低的问题。针对此不足,对Otsu方法也进行了多阈值的推广,首先划分直方图区间,然后采用快速二分法求取区间中的阈值以实现Otsu方法的多阈值扩展,使其在保持良好分割效果的基础上大大节省了时间。实验说明了该算法的有效性。     

基于Otsu与模糊技术的图像分割方法

阈值分割是一种使用较广的图像分割处理方法,传统的单阈值分割方法存在一定的缺陷。针对人眼视觉系统的特点并考虑图像的模糊不确定因素,将模糊技术应用到传统的最大类间方差分割法。用一种快速多阈值分割方法进行多区域划分,引入隶属度改进最大类间方差法,寻找区域最优分割阈值,进而分割图像。仿真实验结果表明：用该方法分割图像可以大大改进因噪声、光照或其他干扰因素造成的模糊、多目标、分割不完全的情况,分割效果明显改善。     

基于改进分水岭算法的VCH-F1图像分割

针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点,提出了一种能够有效消除局部极小值和噪声干扰的分割方法。首先比较并选取彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的;然后提出基于多阈值分割的方法消除无效梯度信息;最后介绍了算法的步骤及结果。实验结果证明,基于该方法处理梯度图像进行分水岭算法处理可以得到准确的分割结果。     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。