一种基于组合分割思想的尿沉渣图像分割新方法

本研究针对复杂散焦的尿沉渣图像的精细分割,提出了首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后根据粗分割得到的子图像的情况采用边缘检测或者自适应阈值分割的混合分割方法进行细分割,最后再采用剥离算法处理待分割的粘连重叠成分的分割。该方法不受散焦影响,充分利用了图像的多种信息,因此分割结果准确。实验结果表明,该方法对尿沉渣图像的分割有效且令人满意。     

一种用于尿沉渣图像的自适应阈值分割新方法

我们针对复杂散焦的尿沉渣图像的精细分割,首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后对粗分割得到的小波变换子图像进行自适应阈值处理,结合形态学处理完成细分割,最后再采用剥离算法处理粘连重叠成分。该方法不受散焦影响,充分利用了图像的多种信息,实验结果表明,该方法对尿沉渣图像的分割有效且令人满意。     

基于单水平集函数的细胞分割算法

目的：由于细胞图像十分复杂,传统的基于像素或者边界的图像分割方法难以精确的实现细胞分割。因此,需要设计一种可以实现细胞图像精确分割的方法。方法：结合大津分割算法和主动轮廓模型的优点,设计出一种基于单水平集函数的细胞分割算法,首先对细胞图像大津分割,其结果作为水平集函数的初始值,然后使用迭代法对水平集函数演化。采用MATLAB对显微镜下获取的细胞图像进行试验,将本文改进后的算法与常规的算法进行了对比。结果：与传统的水平集分割算法相比,本文方法对细胞图像分割结果更加准确,迭代次数减少一半左右,因此分割时间也减少了一半左右。结论：结合细胞图像的结构特点,利用大津分割结果作为主动轮廓模型的初始值,可有效解决主动轮廓模型因为初始值设置不当导致的分割缺陷问题,水平集函数能够跟踪拓扑结构变化,具有计算精度高、算法稳定、优化边界清晰光滑等优点,在本文中得到了充分的应用。因此本文所提出的算法能够高效地实现细胞图像的分割。     

多特征聚类与粘连分离模型的细胞抹片图像分割与分类

胰腺癌的诊断非常重要,而细胞抹片显微图像的病理分析是其诊断的主要手段。图像的准确自动分割和分类是病理分析的重要环节,因此本文提出了一种新的胰腺细胞抹片显微图像自动分割与分类算法。在分割方面,首先采用多特征Mean-shift聚类算法(MFMS)定位细胞核区域;接着采用弹性数学形态学结合角点检测的去粘连模型(CSM)对粘连重叠细胞核进行去粘连处理,实现了分割的准确性和鲁棒性。在分类方面,首先针对分割的细胞核提取了4个形状特征和138个不同颜色空间的纹理特征;然后结合支持向量机(SVM)和链式遗传算法(CAGA)实现封装式特征选择;最后将优选特征送入SVM进行分类,完成了胰腺细胞抹片显微图像的分类识别。本文采用了15幅图像一共461个细胞核进行测试。实验结果显示,本文算法可以实现不同类型的胰腺细胞抹片显微图像的自动分割与准确分类。就分割来说,本文算法可获得较高的正确率(93.46%±7.24%);就正常和癌变细胞的分类来说,本文算法可获得较高的分类正确率(96.55%±0.99%)、灵敏度(96.10%±3.08%)和特异度(96.80%±1.48%)。     

基于先验的随机游走算法在医学图像分割中的应用

目的:常规的交互式图像分割算法通常只能对单个目标进行分割,或对多个目标的分割比较繁琐。针对该问题,本文期望提出一种基于随机游走算法的改进算法,以实现离散多目标的快速分割。方法:随机游走算法是使用最为广泛的交互式图像分割方法之一,在各类图像的分割中表现良好。而对于目标呈现离散分布的图像,该方法虽然也可以对其进行分割,但需要用户在各个离散的目标区域均选择种子点,因此分割效率低下。针对该问题,本文将初始种子点的灰度信息作为先验,初步估计待分割图像中像素点隶属于各类种子点的概率,并将其作为非图像空间项加入随机游走算法的目标函数,引导图像分割。使用改进方法分别对人工合成图像和临床医学图像进行分割,验证本文算法。结果:改进方法在减少交互的情况下,能有效地对人工合成图像和临床医学图像中的多个离散目标实现全部分割,且分割结果明显优于原始的随机游走算法。结论:本文提出的改进方法能有效地实现离散目标的医学图像分割,并且简化了分割的交互过程。     

蜂窝划分的多帧及原图反馈法的细胞追踪方法

在追踪序列图像中大量疏密不均的细胞时,由于细胞存在粘连、分裂、移入与移出等问题,影响其分割与追踪的准确性。为了进一步提高追踪的准确性,提出一种蜂窝划分的多帧及原图反馈修正的细胞追踪方法。首先把分割好的图像进行蜂窝状区域划分,然后引入Delaunay三角网建立细胞邻域图,再应用拓扑约束实现细胞匹配,最后把细胞共分为欠分割、过分割、粘连、分裂、移入、移出和未处理细胞共七大类,并提出多帧反馈和原图反馈法对匹配结果和分割错误进行修正。实验结果表明,本方法能够有效追踪细胞分布疏密不均、团簇问题严重及细胞于帧间游动速度快的图像序列,不但大幅度地修正分割错误以降低追踪对分割的依赖性,而且可拓宽拓扑约束法的适用性,最终使追踪准确率有很大的提高。算法测试了3个细胞图像序列,比拓扑约束法的追踪准确率分别提高25.61%、77.14%和45.83%。     

基于中智学理论的冠脉光学相干断层图像的全自动多区域分割

光学相干断层扫描技术(OCT)已成为诊断冠状动脉狭窄的关键技术,因其可识别影像中的斑块及易损斑块,所以该技术对辅助诊断冠心病具有十分重要的意义。但当前研究领域内尚缺乏对冠脉OCT图像全自动、多区域、高精度的分割算法。因此本文提出了一种基于中智学理论的冠脉OCT图像的多区域、全自动的分割算法,以期实现对纤维斑块和脂质区的高精度分割。本文基于隶属度函数重新定义了OCT图像转换至中智学领域T图的方法,进而达到提高纤维斑块的分割精度的目的。针对脂质区的分割,本算法加入同态滤波增强图像,使用中智学将OCT图像转换至中智学领域的I图,进一步使用形态学方法,实现高精度的分割。本文对9位患者、40组具有典型斑块的OCT图像进行分析,并与医生手动分割结果进行比较,实验结果证明,本文算法避免了传统中智学的过分割及欠分割问题,准确地分割出斑块区域,且算法具有较好的鲁棒性,因此本文工作或可有效提高医生分割斑块的准确率,期望可以辅助临床医生对冠心病的诊断与治疗。     

免疫组化彩色细胞图像自动分割的研究

目的：免疫组化彩色细胞图像中阳性细胞的自动分割提取有着重要的临床意义。本文结合三种分割算法的特点，研究实现免疫组化彩色细胞图像的自动分割，提取图像中的阳性细胞。方法：（1）采用OTSU方法在灰度的基础上对免疫组化彩色细胞进行预分割，去除无关背景。（2）使用K-聚类算法，对彩色细胞图像进行彩色分类筛选出阳性细胞和阴性细胞，并对所得阳性细胞图像进行腐蚀，以获取阳性细胞图像的种子。（3）使用区域生长算法对阳性细胞种子进行区域增长。获取完整的阳性细胞图。结果：准确分割出图像中的阳性细胞。结论：该自动分割方法可用于后续的阳性细胞自动计数，辅助医生诊断疾病。     

基于形态学的均值平移算法的神经元干细胞图像的自动分割

在神经元干细胞的图像分析中,准确快速的图像分割是干细胞分化增值自动追踪系统的基础。为了准确地分割低对比度的灰度神经元干细胞图像,本研究提出一种基于形态学运算和均值平移算法的神经元干细胞分割方法,称其为形态学的均值平移算法。此算法可以快速地获得任意形状细胞的图像,并且能检测到图像中多连接边缘不封闭的细胞。将此方法应用于神经元干细胞序列图像分割中并且将其与门限分割、水线分割和活动轮廓进行对比。实验结果证明,与其它的方法相比,此方法获得的细胞分割形状更接近于真实细胞的形状,并且能获得或接近于原始图像中准确的独立细胞数目。此方法可以获得正确的分割结果,为进一步图像处理奠定了良好的基础。     

神经元干细胞序列图像中分裂子细胞的精确分割算法

针对神经元干细胞序列图像中存在的细胞分裂现象,为了实现对于分裂子细胞的特征提取、识别和跟踪,对于分裂出的微小目标--子细胞,提出了一种能够精确保留其形状特征的分割算法.采用了基于最大熵的模糊阅值分割方法,应用遗传算法确定最大模糊熵准则下的最优参数.利用加权距离变换、区域标注和形态学运算,实现了对分割结果中的干扰区域的吞没,以及对于分割图中欠分割目标的分离.仿真结果通过与硬分割比较,表明该算法在序列图像的追踪处理中对于需要特征提取的特定目标,能够实现最大限度保留该目标形状特征的精确分割.