基于隐马尔科夫随机场的细胞分割方法

为了提高细胞聚合、粘连区域的分割准确性,提出一种基于空间聚类和隐马尔可夫随机场(Hidden Markov Random Field, HMRF)的两级分割算法。首先,以像素点颜色特征为依据,在Lab色彩空间中,采用k-means++聚类方法得到初始化标签集。其次,通过HMRF构建细胞图像的空间表达模型,充分利用空间约束关系,降低孤立点影响,平滑分割区域。最后,采用期望最大值(Expectation Maximization, EM)算法优化模型参数,利用标记场和观测场的相互作用,通过迭代算法不断调整标签集合,迭代直至收敛得到全局最优值。对来自于骨髓涂片的61幅细胞图像中的780个六类细胞的实验表明,本文算法提高了分割的准确率(=95%),便于进一步提取细胞病理特征,实现检测识别。