OpenCV分水岭算法的改进及其在细胞分割中的应用

分水岭算法是一种基于形态学的图像分割算法,能快速准确地确定连通区域的边界.将基于标记的分水岭算法用于细胞图像的分割,较好地解决了粘连细胞的分割问题.在该细胞分割算法的实现过程中,发现了OpenCV分水岭算法实现的缺陷,通过对相关代码的分析,发现该缺陷存在的原因是算法流程中对相邻像素相对关系的描述存在问题.将OpenCV分水岭算法中对相邻像素取差的绝对值,改为对相邻像素取差值,对该算法进行了改进.实验证明,改进后的OpenCV分水岭算法对细胞图像的分割效果明显好于直接使用OpenCV分水岭算法得到的结果.该方法在不影响分割速度的情况下,提高了OpenCV分水岭算法分割的准确度.     

一种改进的圆形目标图像分割算法

针对目标与背景颜色接近,目标区域粘连度较高难以分割的情况,提出了一种基于阈值处理和分水岭分割相结合的改进的圆形目标图像分割算法。提及的算法分成两个步骤：第一步采用了3次阈值处理相结合的改进算法,较好地完成了目标和背景颜色接近情况下的目标提取;第二步采用了改进的分水岭分割算法,改善了分水岭分割之前的距离变换和求种子点过程,较好地实现了粘连度较高情况下的目标区域分割。实验结果表明该方法对圆形粘连目标的分割有较好的效果。     

基于粘连边界脊线标记的虫卵图像分割

虫卵图像分割是实现兽医寄生虫学虫卵检查技术数字化的重要基础.本文根据图像分割相关理论,提出了基于粘连边界脊线标记算法分割虫卵图像.实验结果表明,该方法对分水岭算法进行合理改进,取得了较好的分割效果,实现了粘连虫卵图像的自动分割.     

斑马鱼视网膜细胞图像的分割研究

针对斑马鱼视网膜细胞图像分割时细胞粘连比较严重的情况,采用了边界距离变换和模拟浸水原理的分水岭变换相结合的方法。首先采用距离变换的方法提取细胞区域的局部极小值作为种子点,合并距离过小的错误种子点,然后使用分水岭算法进行分割。实验结果表明,该方法能够有效地分割斑马鱼视网膜细胞图像,成功地解决了分水岭变换中粘连细胞的过分割问题,且计算速度快。     

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。     

胃上皮细胞图像的分割算法仿真

研究粘连现象严重的胃上皮细胞图像准确分割问题,针对胃结构排列状态复杂,分割起来非常困难.为了能够准确地区分出图像的细胞核、细胞浆和背景区域,用改进的传统Mean Shift算法,选择高斯函数为核函数,有效确保了Mean Shift算法的收敛性,避免了图像分割的过分割,并设置核函数的带宽为可变性,方便对粘连现象不同的图像分割.同时将改进的分割算法与松弛迭代分割、分水岭分割和传统的Mean Shift分割算法进行了仿真效果对比.实验结果表明利用改进的算法分割的效果较好,改进了传统的Mean Shift分割算法等的过分割问题,提高了分割速度和准确性,在错综复杂的胃上皮细胞图像分割中具有可行性和有效性.     

神经元干细胞序列图像的结合局部灰度阈值的水平集分割算法

在光学显微镜成像的神经元干细胞序列图像中,针对目标与背景的弱对比度及细胞粘连、团簇等问题,提出一种新的分割算法.该算法基于无需初始化的水平集算法,通过引入曲率项来加速收敛;为降低算法的复杂度,提出衡量范数能量作为水平集进化的终止条件;最后结合局部灰度阈值法进一步分割粘连细胞.将该算法应用于2组细胞图像序列共120帧图像的分割中,不但解决了时间序列图像成像时焦距偏移带来的分割难题,而且能够准确地分离粘连、团簇细胞,并保留细胞的形态特征和位置信息.统计结果表明,分割成功帧所占整个序列的百分率较分水岭算法、传统水平集分割算法提高了30%～40%.     

血液红细胞图像自适应标记分水岭分割算法

目的 显微细胞的精确分割是计算机辅助诊断的前提和关键,为精确分割含有粘连重叠红细胞及病变红细胞的彩色显微图像,基于HSI模型,提出了一种自适应标记分水岭分割算法。方法 首先结合红细胞无核特点提取反光细胞的中心,从图像的S与I分量的梯度图中提取图像前景低频成分的局部极值点,两部分相结合作为初始标记,标记细胞前景;然后根据标记特点去除伪标记点,以确保所有粘连细胞的重叠区域不被标记;接着采用主成分分析从S与I分量梯度图中提取梯度信息重构梯度图,最后结合背景标记,应用标记分水岭变换实现分割。结果 选取美国社会血液学数据库中含病变和粘连的红细胞图像进行分割实验,采用平均欠分割率、平均过分割率、平均准确率3个指标对分割结果进行评价。本文算法的欠分割率为2.23%,过分割率为1.67%,均明显低于文献中两种现有分水岭算法;分割精度高达96.10%,准确度高;平均运行时间6.06 s,可保证一定的时效性。结论 提出了一种对病变粘连红细胞彩色图像的分割算法,利用饱和度与亮度信息,自适应地标记出前景细胞,提高了分割精度;采用主成分分析法,更好地保留了重叠细胞的原有边界。算法具有较好的鲁棒性,可广泛用于包括血液红细胞在内的含有类圆形的重叠、粘连细胞的显微染色图像的分割。     

一种基于纹理方向场的图像分割方法

提出了一种基于纹理方向场的图像分割方法。根据图像平滑滤波原理构造了高斯滤波器与分块滤波器相结合的平滑方法,利用纹理梯度方向场特征形成纹理梯度图像,以此为基础用分水岭算法对图像进行分割。结果表明,将该方法应用于粘连大米颗粒图像,能有效分割粘连大米图像,较好地解决了分水岭算法的过分割问题,具有较强的边缘稳定性。     

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。     

混合分水岭变换和改进FCM的图像分割方法

分水岭变换是图像分割的一种强有力的形态工具,能够自动生成一系列封闭分割区域。其不足之处是过分割、对噪声敏感。为克服分水岭变换固有的缺点,综合利用非线性滤波和改进的FCM算法优化分水岭变换得出的初始分割,提出了一种新的混合分割算法-HWIF（Hybrid Watershed and Improved FCM）分割法。与MeanShift算法及区域合并算法相比,该方法充分利用了区域的灰度和区域间的空间信息。实验结果表明该算法能有效克服分水岭算法的过分割问题,且分割效果优于以上两种方法。     

Information extraction from sensor networks using the Watershed transform algorithm

Wireless sensor networks are an effective tool to provide fine resolution monitoring of the physical environment. Sensors generate continuous streams of data, which leads to several computational challenges. As sensor nodes become increasingly active devices, with more processing and communication resources, various methods of distributed data processing and sharing become feasible. The challenge is to extract information from the gathered sensory data with a specified level of accuracy in a timely and power-efficient approach. This paper presents a new solution to distributed information extraction that makes use of the morphological Watershed algorithm. The Watershed algorithm dynamically groups sensor nodes into homogeneous network segments with respect to their topological relationships and their sensing-states. This setting allows network programmers to manipulate groups of spatially distributed data streams instead of individual nodes. This is achieved by using network segments as programming abstractions on which various query processes can be executed. Aiming at this purpose, we present a reformulation of the global Watershed algorithm. The modified Watershed algorithm is fully asynchronous, where sensor nodes can autonomously process their local data in parallel and in collaboration with neighbouring nodes. Experimental evaluation shows that the presented solution is able to considerably reduce query resolution cost without scarifying the quality of the returned results. When compared to similar purpose schemes, such as “Logical Neighborhood”, the proposed approach reduces the total query resolution overhead by up to 57.5%, reduces the number of nodes involved in query resolution by up to 59%, and reduces the setup convergence time by up to 65.1%.     

基于检测域划分的虚拟机异常检测算法

虚拟机的正常运行是支撑云平台服务的重要条件,由于云平台下虚拟机存在数量规模大、运行环境随时间动态变化的特点,管理系统难以针对每个虚拟机进行训练数据采集以及统计模型的训练。为了提高在上述环境下异常检测系统的实时性和识别能力,提出基于改进k中心点聚类算法的检测域划分机制,在聚类迭代更新步骤上进行优化,以提升检测域划分的速度,并通过检测域策略的应用来提高虚拟机异常检测的效率和准确率。实验及分析表明,改进的聚类算法拥有更低的时间复杂度,采用检测域划分机制的检测方法在虚拟机异常检测中拥有更高的效率和准确率。     

流域变换建模及其算法研究的新进展

流域变换是数学形态学中用于图象分割的一种经典方法 .虽然流域变换曾因运算量大、效率低而使得其研究工作遭到冷遇 ,但也因此出现了一些新的理论和算法 ,并随着并行手段的引入 ,又使其重新成为研究的热点 ;同时就近期许多研究成果而言 ,形式化模型的多样性 ,使得流域变换的定义、算法和实现 ,尚缺乏统一的描述和全面的总结 .针对这一情况 ,首先给出了连续域流域变换的严格数学模型和两种离散情况下典型的形式化定义 ;然后分类总结了近年来 ,流域变换算法实现的新进展 ;最后提出了有待进一步研究的问题 .     

基于GrabCut改进的图像分割算法

针对GrabCut算法对于局部噪声敏感、耗时且提取边缘不理想等缺点,提出一种基于GrabCut改进的图像分割新算法。采用多尺度分水岭对梯度图像平滑去噪;对新梯度图像再次进行分水岭运算,不仅增强了图像的边缘点,还减少了后续处理的计算量;再用熵惩罚因子优化分割能量函数,抑制了目标信息的损失。实验结果表明,所提算法同传统算法的分割结果相比较,降低了错误率,增大了Kappa系数,提高了运行效率,并且,提取的边缘也更完整、平滑,适用于不同类型的图像分割。     

基于分水岭和重叠率衡量的多级彩色图像分割

由于分水岭方法进行图像分割时经常是在梯度图像上进行,并经常产生过分割的结果,因此为克服图像过分割问题和提高分割的准确性,提出了一种基于分水岭和重叠率衡量分层融合策略的彩色图像分割新算法——HWO。该算法首先将RGB颜色空间转化到Lab颜色空间,并根据a、b维来提取统计2维直方图,同时在直方图上运用分水岭分割方法,通过对峰进行填充来得到图像的初步分割结果;然后将与填充对应的分割区域样本与高斯分布结合起来,对图像进行高斯混合模型假设下的参数估计;最后对模型与模型间进行重叠率衡量及分层区域融合,以得到最终的图像分割结果。实验中,首先采用训练图像集对算法涉及的两个参数进行确定,然后对测试图像集的分割效果和分割时间性能进行评估,评估是以标准的人工分割图像库为基准的。实验结果表明,该算法可解决过分割问题,其评估所得分准率及分全率综合衡量系数为0.609,而人工分割综合衡量系数为0.79,同时新方法的分割时间仅为传统方法的1/3,分割速度有了较大提高。     

结合分水岭的Mean-Shift图像分割新算法

针对Mean-Shift图像分割算法需要对图像中每个像素点进行迭代计算、耗时多的问题,提出一种改进的图像分割算法.研究发现,分水岭算法可以将一幅图像划分为若干一致性较好的区域,这一优势恰好有利于Mean-Shift算法的处理.本文利用分水岭算法对图像进行初始分割,将以点阵形式表示的图像转化为块状表示,再运用改进的Mean-Shift算法对每个块进行迭代计算.实验结果和时间复杂性分析表明,新算法在很好地保持了原算法分割效果的前提下,时间效率有了很大程度的提高.     

连续属性空间上的规则学习算法

文章研究连续属性空间上的规则学习算法。首先简述了研究连续属性空间上的规则学习算法的目的和意义,并将规则学习理论中的一些基本概念推广到连续属性空间。在此基础上,研究了连续属性空间离散化问题,证明了属性空间最小离散化问题是NP困难问题,并将信息熵函数与无穷范数的概念应用到连续属性离散化问题,提出了基于信息熵的属性空间极小化算法。最后,提出了连续属性空间上的规则学习算法,并给出了数值实验结果。     

一种基于分水线和先验知识的集成电路图像分割方法

在Watershed的分割图像基础上,使用贝叶斯理论的图像分割方法。首先对原始图像进行Watershed变换,然后在变换后的标注图像上进行能量的计算,通过选择最小能量的目标依次找出最理想的目标区域。设计一个先验密度来惩罚图像当中Watershed变换后相似的区域,图像分割进而变成对目标子集的最大后验估计。这样就可以逐步找出最理想目标区域和背景区域。实验结果证明,该方法有较好的分割结果。     

一种计算图象形态梯度的多尺度算法

分水岭变换是一种非常适用于图象分割的形态算子,然而,基于分水岭变换的图象分割方法,其性能在很大程度上依赖于用来计算待分割图象梯度的算法。为了高效地进行分水岭变换,提出了一种计算图象形态梯度的多尺度算法,从而对阶跃边缘和“模糊”边缘进行了有效的处理,此外,还提出了一种去除因噪声或量化误差造成的局部“谷底”的算法,实验结果表明,图象采用本文算法处理后,再进行分水岭变换,即使不进行区域合并,也能产生有意义的分割,因而极大地减轻了计算负担。