（计算机应用技术专业论文）双核细胞显微图像的自动分割与识别.pdf

华中科技大学硕士学位论文 摘要 微核细胞的智能识别是一个较大难题。双核细胞的分割和识别是其很关键的步骤 之一。根据细胞显微图像的特点，整个算法分成三个主要部分：细胞核分割、细胞质 的分割、双核细胞的识别。 提出一种新的细胞核分割方法：对图像使用水平和竖直方向的中值滤波，使用较 大的尺度，尽量的消除杂质、噪声影响；在两个方向分别使用采用闽值限制以及局部 最大值的方法检验边界，使非细胞核边界被剔除；在两个方向分别利用边界点的类型 进行边界生长：边界生长完毕以后，剔除短边界，用两个方向获得的边界进行连接， 允分利用其凸凹性和边界类型，完成分割。为了下一步分割，获得细胞核的链表和邻 近信息，以加快细胞质分割。 在细胞核分割的基础上，根据邻近信息，取下邻居数目最大的点进行细胞质分割。 利用余字塔化获得三个好处：第一，由于多次低通滤波，有效的降低噪声：第二，通 过采样，大特征对比增强：第三，缩小的图像更易于处理。发展了新的扩展k i r s c h 算 予，增加了4 个新的方向，同时增加了边界两边一致性的判据，既细化方向，又有可 利用大的局域信息。结合金字塔算法，进行细胞质的边界检定。而后，利用边界的方 向和核区域链表，剔除不合格的边界点。根据细胞的显微图像基本是规则椭圆，使用 椭圆拟合进行分割。结合1 1 1 e i l s e n 和r e p e a t e dm e d i a n 方法，提出一种新的随机化方 法，获得效率和鲁棒性的折衷。 通过判断分割好的细胞质内细胞核的数目判断是否是一个双核细胞。 在上述方法的引入同时，介绍了实现的具体考虑和关键的类和方法。 关键词：细胞分割，中值滤波，金字塔算法，边缘检测，椭圆拟合，随机算法 i 华中科技大学硕士学位论文 a b s t r a c t t h er e c o g n i t i o no fm i c r o n u c l e u sc e l li sr a t h e rd i 伍c u l t t op o i n to u tt h eb i n u c l e a r c e l li st h ek e yt os o l v et h ep r o b l e m d u et ot h ec h a r a c t e r i s t i co fm i c r o s c o p ec e l li m a g e ， t h ea l g o r i t h mi sd i v i d e di n t ot h r e ep a r t s ：t h es e g m e n t a t i o no fn u c l e u s ；t h es e g m e n t a t i o no f c y t o p l a s m ；a n dt h er e c o g n i t i o no f b i n u c l e a r c e l l an o v e lm e t h o du s e df o rs e g m e n t a t i o no fn u c l e u si sp r o p o s e d ：f i l t e rt h eo r i g i ni m a g e w i t ht h em e d i a nf i l t e ri nb o t hh o r i z o u t a la n dv e r t i c a ld i r e c t i o n ，w h i c hh a saf a i r l yw i d e w i n d o ws i z e ，i no r d e rt or e d u c et h ei n f e c t i o no ft h en o i s ea n di m p u r i t y ；i nb o t hd i r e c t i o n ， u s et h et h r e s h o l dc o m b i n e dw i t ht h et e c h n o l o g yo f f i n d i n gt h ep e a ki ni o c a la r e at od e t e c t t h er e a ln u c l e u se d g e ，a n dt h u sm i n i m i z et h en o n - n u c l e u se d g e ；a l s oi nb o t hd i r e c t i o n ，l e t t h eb o r d e rg r o w i n gr e s p e c t i v e l y u s i n gt h et y p ei n f o r m a t i o n ；t h e r e a f t e r , w e e dt h es h o r t b o r d e ra n dl i n kt h eb o r d e rt o g e t h e rt os e g m e n tt h en u c l e u s ，e x p l o i t i n gt h ec o n v e xc h a r a c t e r a n db o r d e rt y p e f o rt h ef u r t h e re x p l o r a t i o n ，b u i l dt h en e i 。g h b o r h o o di n f o r m a t i o na m o n g s e g m e n t e d n u c l e i b a s eo nt h ew o r ko fn u c l e u s s s e g m e n t a t i o n ，d r o pt h en u c l e u st h a t h a st h em o s t a m o u n to f n e i g h b o r s ，a n dp r o c e s st h ec y t o p l a s ms e g m e n t a t i o n t h ep y r a m i da l g o r i t h mh e r e h a st h r e ea d v a n t a g e s ：n o i s er e d u c t i o nd u et ot h ea p p l i c a t i o no fal o wp a s sf i l t e r , c o n t r a s t e n h a n c e m e n td u et ot h el o w p a s sf i l t e ra n ds a m p l i n go fi m a g ed u r i n gc o n s t r u c t i o no ft h e p y r a m i d ，a n dd e c r e a s e de x e c u t i o nt i m ed u et ot h es i z er e d u c t i o no ft h eo r i g i n a li m a g e d e v o l o p ean e w e x t e n d e dk i r s c ho p e r a t o rw i t hf o u rn e w t e m p l a t e sa n dt h ev a r i a t i o no f t h e b o t hs i d eo fe d g e ，t h u sg i v et h ea b i l i t yt oj u d g em o r ed i r e c t i o na n du s et h em o r el o c a l i n f o r m a t i o n i ti su s e d 、v i t hp y r a m i da l g o d t h r nt od e t e c tt h ec y t o p l a s me d g e a n dt h e n c h e c kt h ed i r e c t i o na n dt h en u c l e ia r e at oe l i m i n a t et h ei n c o r r e c t e d g ep o i n t n l es h a p eo f c e l li sa l m o s t e l l i p s e ，s o t h e e l t i p s ef i t t i n gt e c h n o l o g yi s u s e dh e r e c o m b i n e d 、 ，i t l l t h e i l - s e ne s t i m a t o ra n d r e p e a t e dm e d i a ne s t i m a t o r , an e w r a n d o m i z e dm e t h o di sp r o p o s e d a n dh a sa g o o dt r a d e o f f b e t w e e ne f f i c i e n c ya n dc o m p l e x i t y c o u n tt h en u m b e ro fn u c l e u sb e l o n g i n gt oas e g m e n t e dc e l la n dt h e n j u d g et h ec e l l w h e t h e ri ti sab i n u c l e a rc e l l a tt h es a m et i m ei n 仃o d u e et h en e w m e t h o d p r a c t i c a lc o n s i d e r a t i o n sa n dk e yc l a s s e s a n df u n c t i o n sa r ea l s op r e s e n t e d k e y w o r d s ：c e l ls e g m e n t a t i o n ，m e d i a nf i l t e r , p y r a m i da l g o r i t h m ，e d g e d e t e c t i o n ， e l l i p s ef i t t i n g ，r a n d o m i z e da l g o r i t h m i i 独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除文中已经标明引用韵内容岁 ，本论文不包含任何其他 个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体， 均已在文中以明确方式标明。本人完全意识弱本声明的法律结果由本人承担。 学位论文作者签名： 阿屹u 日期：1 鼬牛年中月沁日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学 芰论文的规定，郦：学梭 有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅 和借阕。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数 据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密哲彤在年解密后适用本授权书。 本论文属于 不保密凹， ( 请在以上方框内打“4 ”) 学位论文作者签名： 享唆亿 日期：泸，4 ，年年月；。日 指导教师签名 日期：矽扛年乒月；3 日 华中科技大学硕士学位论文 1 绪论 1 1 课蘧背景 微核测定是遗传毒理学分析中一项重要方法。微核( m i c r o n u c l e u s ，m n ) 是指位于 细胞之中独立于细胞核而存在的小核、形态多呈圆形或椭圆形，直径一般为主核的 1 2 0 1 3 。m n 主要由辐射或染色体断裂剂诱导产生的染色体断片或非整倍体毒剂诱导 产生的整条染色体丢失而形成。由此而建立的微核实验技术可有效地检出化合物或环 境污染对染色体的损害。近年来，环境污染问题日益引起人们关注，微核实验被许多 国家和国际组织规定为评价化合物和环境污染物遗传毒性时必做的实验之一，得到广 泛应用。它具有经济、简便、快捷的特点。其中用细胞松弛素b 阻断的人体双核淋巴 细胞微核实验法更具有敏感性和特异性较高的特点，人体双核淋巴细胞微核作为一种 灵敏的生物剂量仪，在检测放射性污染的监测方面被广泛采用 1 - 3 1 。 尽管m n 实验技术有如此多的优点，但还存在一些不足：首先，微核实验是在显 微镜下人工识读玻片，是一主观的方法，在m n 的判定标准上，每个实验室及个人都 会有所不同，因此，常导致一些结果出现较大的差异；其次，由于m n 自发率非常 低f 仅为l 3 ) ，所以，出于统计学的原因应该计数较大样本，完成一次m n 实验， 最少也要在显微镜下计数十万个细胞，这对实验者来说是费时、枯燥和乏味的工作。 目前，人群生物标本需要检测与相对慢速度的m y 人工检测方法之问矛盾十分突出。 因此，发展m n 自动化检测，无疑成了m n 测定技术向前发展的关键问题。 随着计算机硬件和软件技术的不断发展，如高性能奔腾微机的出现，小波技术， 神经网络等大量新的图像处理方法的涌现，可通过设计新的图像识别的算法，在图像 分析时有可能区分双核细胞与成对地相连的单核细胞，以及区分m n 与其它小颗粒， 提高识别m n 的精确度。高精度的自动显微镜业已面世，使计算机控制显微镜的移动， 自动聚焦，图像自动采集成为可能。而人体双核淋巴细胞微核具有易于实现分析自动 化的潜在可能性，极有可能在近期使此问题的得到解决。 本课题来源于以余从年老师( 同济医学院医学生物学系) 和支青老师( 华中科技 大学计算机科学与技术学院) 为主的联合项目：微核自动智能识别研究。这个项目包 括：微核测定与标本制各、计算机反馈控制系统的设计、m 2 q 的智能测定算法、m n 华中科技大学硕士学位论文 数据库的建立等四个大的部分。 本课题隶属于第三个部分，即m n 的智能测定算法，集中解决人体双核细胞显微 图像中双核细胞的自动分割和识别的问题，为以后自动化识别m n 打下良好的基础。 主要目的是寻找并实现一种算法，在可以容忍的时间范围内( 2 s 幅) ，对细微图像有 效的识别并分割出双核细胞。 i 2 国内外概况 国内外有几家实验室丌始探索m n 的自动检测技术，但尚未有成熟技术出现。目 自u ，在国内和国外的主要杂志上没有查到m n 测定系统和其显微图像识剐的算法的文 童。 生物医学显微图像现在由原先的2 维向3 维发展，由原先的静态图像向动态图像 发展。而静态的2 维图像的采集速度越来越快，质量也越来越高。一些新的方法不断 的被应用，以适应这种变化 4 1 ，如：模板化法( 变形模板、主动轮廓、s n a k e ) ，参数 化方法，多分辨率分析，分类方法( 聚类方法、神经网络、多参数统计分析) ，随机 分析和分形方法等等。同时，传统的方法改进和加强也成为研究的热点。 1 2 1 基于像素的方法 直方图阈值法有早期的p - t i t l e 法【”，即假定亮的背景中存在暗的物体，简单选取 使物体目标所占面积达到口的阈值。这种方法对于知道物体大致所占比例的图像特 别有效，但是适用范匿很窄。 应用得很多的比较成熟的方法o t s u 法【6 】，即认为闽值t 把像素点分成c o 和c l 两类，选取使类间方差最大的闽值。近年，付忠良【7 】对o t s u 法进行了推广，分别用平 均方差、平均领域方差和平均梯度方差代替o t s u 方法中的均值，取得很好效果。 另外一种重要的阈值选择办法是基于熵值的选择方法。认为最优的阕值是使分割 的两部分的熵值之和最大。除了常规熵值( 一p i l n p 。) ，一些新的熵值定义也被用于 该方法。比如e s a h o o 等用r e n y i 熵( 坂p i 2 ) ) 取代常规熵 3 l ，张二虎定义了一种新 熵p i e ( t - v 并应用于彩色印刷网点图像，效果很好【9 l 。 基于直方图的形态也有几种不同方法提出。对于直方图呈现明显双峰的图像，可 是选择谷底作为闽值【l0 】。而谷底不明显的图像可以利用凸凹度选择阈值，选择其其峰 的肩部的凸凹拐点作为阕值【l l ；。 华中科技大学硕士学位论文 对于大背景中存在较小物体的这类图像而言，其直方图物体峰往往淹没在背景峰 中，无法分辨。很多医学图像也具有这样的特点。b h a n u 和f a u g e r a s 1 2 l 提出使用梯度松 弛算法解决这类问题：首先给每个点指定一个初始的出现概率，然后根据该像素和8 邻点的关系进行梯度松弛运算，使梯度方向的灰度差别变大，扩大灰度范围，这样物 体峰和背景峰就较好分开。 分水岭算法是从较低的但仍能正确分割出物体的闽值出发，对物体进行分割，物 体间会有较宽的边界，然后逐步提高阈值，直至物体的边界接触，从而获得最优的闽 值，这是一种自适应的算法，对于物体距离过近的图像可以获得满意的分割效果 1 3 】。 对于受光照等原因，灰度分布很不均匀的图像，往往可以采用局部阈值法 1 3 l ：将 图片分割成若干个小图片，每个小图片相对比较均匀，对每个小图片分别应用全局闽 值法，分别判断单峰，双峰，然后综合得到整个图片的分割。 在对彩色图像的处理中，种聚类的方法得到应用。它首先将彩色图像映射到色 彩空削，然后通过聚类方法获得类别的数目和阂值，常用的k m e o 1 l s ，c i t l e s _ r l s 以及f i a z z y 聚类均利用，最后对每个像素点进行标号，从而达到分割目的【l ”。 基于像素点的方法由于其是最具局域化的分割方法，基本只考虑了单个像素的性 质，没有考虑像素在空间上的关系，虽然它得到了很多的加强，而且在计算代价上面 很占优势，但是它对复杂或者噪声和干扰很大的图像不能取得很好效果，甚至会导致 错误分割。因此，在生物医学图像应用的很少。 1 2 2 基于边界的方法 基于边界的分割是“中等层次”的分割，它利用的像素点和其领域的像素点的关 系。一般是通过以下步骤实现： ( 1 ) 使用某种技术寻找候选边界点( 常用如s o b e l 算子等) ； ( 2 ) 对这些边界点进行评估筛选( 如指定边界概率等) ； ( 3 ) 连接( 如利用跟踪虫技术等) 边界点获得封闭边界从而完成对图像的分割。 其中边界点的寻找和评估是这种方法主要的难点所在。 一种常用并且重要的边界寻找方法是l o g ( l a p a l a c i a no f g a u s s i o n ) 算子。其基 本过程：高斯平滑) 拉普拉斯运算) 零交叉点d 3 i 。这种方法的困难是边界点的定 位和边界点的真伪判定。苑玮琦等提出基于局域差分极限的方法【1 5 。d a v i dh 和y j s s i r u b n e r 通过对图像噪声的分析，给每个边界点赋予一个真边界点的概率“。从不同角 华中科技大学硕士学位论文 度的解决这些不足。 1 9 8 6 年c a n n y 对过去的方法和应用作了小结和分析，并且提出了三条准则1 7 1 ： ( 1 ) 好的检测结果。要求尽量的检测出真实边缘点；同时尽可能少的虚报边缘 点。 ( 2 ) 定位要准确。要求和实际边缘位置偏差最小。 ( 3 ) 低重复响应。要求对同个边缘点的响应不要重复或者重复很少。 c a n n y 推导了连续情况下的满足这些条件的数学表达式 】，并建议了几种边缘算 子，开辟了寻找最优化边缘检定算子的道路。 对于有纹理的图像，不同纹理之间的边界检测需要用到分型理论。分形理论的基 本思想是：客观事物具有自相似的层次结构，局部与整体在形态、功能、信息、时间、 空间等方面具有统计意义上的相似性，郎自相似性。自相似原理的引入使分形理论成 为研究和处理自然与工程中不规则图像的有利工具。广义而言，任何物体的表面都可 以认为是具有某种纹理特征的，故任何图像都包含了若干种纹理区域的灰度表面。在 这些纹理不同的灰度表面之间的灰度起伏变化显著，外在就表现为边缘。大多数的纹 理图像都可以用分形模型进行描述，而纹理特征的变化包含了图像的边缘信息。张坤 华等 旧1 在图像分形模型一分数布朗随机场的基础上，通过分析图像的分形参数，提出 一种新的边缘检测特征，并利用自适应阈值，实现图像的边缘检测。 小波多尺度边缘检测方法 1 9 , 2 0 是首先磨光原图像，然后在磨光后图像的一阶或者 二阶导数检测出剧变点。选择某一族的磨光函数，其导数即构成小波族，进行磨光处 理，就可以在不同的尺度和位置上寻找边缘点。设采用满足如下关系的磨光函数： j 臼b ) = 1 ：l i m e ( x ) = 0 h 对图像信号i ( x ) 进行磨光： ，+ 曰g ) = r 。o p g r 磨光信号求其一阶导数和二阶导数： 去， 口g ) = e ，( f p 。e - t ) d t ；豪，拶g ) = e o 炒g - t d t 可以知道磨光函数的一阶导数和二阶导数都是小波，取见g ) = 5 0 ( x s ) 即得到一个- d 、 波族，可以得到i 在尺度s 和位置x 下的小波变换。可以取一阶导的局部极值点或者 二阶导的过零点，作为边缘。 华中科技大学硕士学位论文 数学形态学【1 3 1 是研究数字影像形态结构特征与快速并行处理方法的理论，它以图 像的形态特征作为研究对象，主要内容是设计套概念、变换和算法，用来描述图像 的基本特征和基本结构，也就是描述图像中元素与元素、部分与部分间的关系。膨胀 ( o ) 、腐蚀( ) 是其最基本的两种变换。其他变换包括求边缘变换都是通过它们来定义。 a 一( a o b ) 或者a 一( a b ) 即可以达到寻找边缘的作用。其中b 是结构元素，它反映了 所寻找的图像边缘的特征。数学形态学寻找边缘主要困难在于合适的结构元素b 难于 寻找，并且难以预先估计其效果。 边缘检测的方法很多，不同的方法对于噪声和边缘假设不一样，适用于不同的情 况。必须根据具体的应用选择或者发明适用的方法。 1 2 3 基于送域的方法 基于区域的方法考虑较大范围的区域中的像素的关系，其基本方法是区域的合并 和分离。 区域生长法1 2 ”，即通过给定的种子区域出发，不断的合并相似区域，消除较弱的 边界，直至满足一定的条件停止生长，从而达到分割图像的目的。它的分割结果不仅 仅受到终止条件的影响，还受到生长顺序的影响。一种改进的区域生长方法由a n d r e w m e h n e r t ，p a u lj a c k w y 提出j 。 流域算法将灰度的大小假想为地形的高低，将局域最低点视为流域的标记点。对 每个点计算其梯度，然后沿梯度最大的方向搜索，直至归于某个流域。整个图像按照 流域标号，从而完成对图像的分割。在流域标号图中梯度不为零的点就是边界。流域 算法的主要缺点是容易导致过渡分割，并且计算量较大。利用多分辨率分析r 金字塔算 法1 可以改善这些问题 2 3 ，2 “。 近年来利用先验知识的方法得到很大发展。其中主动轮廓法 2 4 , 2 5 是很受重视的一 类方法。主动轮廓法又称为s n a k e 法，主要是通过对区域定义一种能量函数，而后动 态优化这个能量函数，使之最大或者最小，从而逼近目标的真实轮廓。其能量的定义 主要由轮廓本身的能量( 形状、光滑度等) 、图像内部的能量( 内部点的一致性、内 点与边界的符合程度) 和其他人为规定的约束能量组成。主要的进展一方面是改良 s n a k e l 2 ”，一方面是各种搜索全局最优解的工具如遗传算法、t a b u 算法等 2 8 , 2 9 的应用。 它的主要缺点是一般需要预先给出近似的轮廓，而且计算的代价非常高，容易收敛到 局部最优解上。 很多时候寻找的是具有一定形、扶特征的物体，那么可以通过一些变换 比如 华中科技大学硕士学位论文 h o u g h 变换) 将图像变换到参数空间，在参数空间寻找极大值从而达到图像分割的目 的。h a i s h a nw u d o 等人为细胞核是椭圆形，并通过5 参数堆积，对粘连重叠的细胞 核分割取得很好的效果。 l 。2 ，4 金字塔算法 对于图像的多分辨率分析，金字塔算法因为其简单易行得到很广泛的应用。 b u t t 和a d e l s o n 引1 引入一个基本高斯函数的金字塔编码策略。首先对图像用高斯 脉冲响应作低通滤波，滤波之后结果从原图像中减去。图像中的高频信号保留在差值 图像中，然后对低通滤波后的图像进行隔行采样，细节也就不会因此而丢失。其过程 如f ： 没f o ( i ，j ) 为原始图像，g ( i ，j ) 为高斯形状的低通滤波器脉冲响应。那么下一层的 半分辨率川i ，j ) 的图像和整分辨率差值图像h t ( i ，j ) 为： f l ( i ，j ) - - o + 朗( 2 i ，2 i ) l * nh j ( i ，j 户，o ( i ，j ) 一o4 9 ( i ，j ) 】 这一过程反复迭代进行就可以将原很大的图像分解为分辨率降低一半的系列图像。显 然，在较低的分辨率的图像上，噪声和局部的细小边缘得到很强抑制，同时需要处理 的数据量也大大减小。 近年，发展了连续的金字塔( 即不再以1 2 来降低分辨率) 、可调金字塔d 2 , 3 3 1 等改进算法。但是就处理效果来说，多数应用的还是使用普通的拉普拉斯金字塔， 只是有些滤波函数不一样。比如可分离的高斯滤波因为计算简便等优点在实际中常 常被采用 3 4 , 3 5 , 3 6 。 1 2 5 椭圆拟合 在计算机视觉领域，常常需要探测椭圆，特别是在人造场景( 很多是圆形的投影) 、 生物细胞显微图像等场合。目前，基本上有三类拟合的方法。一类是最小二乘法，一 类是遍历方法 3 7 , 3 8 , 4 0 ，一类是h o u g h 变换方法f ”，4 ”。实际的图像中，不仅仅是存在噪 声，还有某些无法剔除的错误信息，因此简单的最小二乘法不能得到应用，一些鲁棒 性很强的方法得到发展，如t h e i l s e n ，r e p e a t e dm e d i a n 方法，k r a n s a c 算法等。 t h e i l s e n 方法和r e p e a t e dm e d i a n 方法都属于遍历访法，都是通过遍历所有可能 的椭圆最小子集实现的。所谓椭圆的最小集合就是能够确定一个椭圆的最小的点集。 对于椭圆而言就是5 个不同的点集。 6 华中科技大学硕士学位论文 t h e i l s e n 方法如下实现： p ? 是从最小子集s 中估算出来的第q 个参数，那么t h e i l s e n 方法估计为： ，、 p 。= r e e d 。b ；l g = 1 , 2 ，5 ，s 为所有最小集。 t h e i l s e n 方法的计算复杂度为o ( n 5 ) 。理论上能够容忍1 2 9 的错误点 1 1 。实际的表现 要好很多，试验表明大约在2 9 左右。 r e p e a t e dm e d i a n 方法与t h e i l s e n 方法类似，但是它大约可以容忍5 0 的错误点。 其实现如下： ， 、 p 。= r e e d r e e d m e d m e d m e d ( p ? m ，。j g = 1 , 2 ，5 ，i ，k ，删为最小集点标号。 ， j 女，“ r e p e a t e dm e d i a n 方法算法计算复杂度也为o ( n ) ，但是它比t h e i l s e n 方法复杂很多而 目实现起来非常困难。 c h e n g l e e 的k r a n s a c 算法【4 2 】属于h o u g h 变换方法，也是一种h t 降维方法。 它使用了共切椭圆族概念。该算法首先用水平垂直种子点对形成一共切椭圆族，然 后用其它边缘点提供的位置信息，使用h t 技术对参数 在一维h o u g h 空间中进行 聚类，从而鲁棒地确定与真椭圆相应的x 。这样，仅使用一个一维h t 就可检测存在 于共切椭圆族中的真椭圆。为了保证检测到的椭圆的最优性，使用k 次这样的检测， 并从中选出最优的椭圆作为最后检测到的椭圆。 r e p e a t e dm e d i a n 方法容忍的错误度高，健壮而且稳定。t h e i l s e n 方法易于实现， 健壮性略逊。它们的共同缺点是计算代价太高，严重影响了它们的应用。 1 3 课题主要研究工作 本课题主要的工作是分割并且识别双核细胞。其中最关键的问题是细脆质的分割 问题。我们采集到的图像是5 1 2 x 5 1 2 左右大小的2 4 b i t 的位图，其绿色通道的图像反 差较大，采用绿色通道处理图像。由于图像中存在细胞质、细胞核、背景，实际上是 一个三元分割的问题。将问题分成三个大部分迸行。 细胞核的分割。细胞核反差很大，可以使用常规的边界检定和连接的方法分割。 主要的问题是存在较大的颗粒污染物( 类似椒盐噪声) ，可以采用中值滤波。其次细 胞质边界虽然很弱，但是也可能存在干扰。可以使用寻找一定窗口内的最大值，采用 较大窗口的边界检定以及限定边界的最小长度等避免。 细胞质的分割。标定出细胞核以后，首先根据核间距离找到可疑的区域，然后在 华中科技大学硕士学位论文 这个区域内进行细胞质的分割。由于细胞质和背景的反差很小，而且细胞的破裂导致 的细胞质污染往往使细胞质边界无法分析。可以采用金字塔算法一方面减小计算量， 方面降低噪声。然后根据其背景和细胞质的不同特性主要是细胞质有组织，而 背景没有，在多次金字塔化后，其内部一致性相差很大寻找合适的新的边界算子 寻找可靠的边界。这以后，根据细胞的形状是椭圆这一特点，采用椭圆拟合，分割出 细胞质来。这是整个课题的关键。 双核细胞的分割和识别。根据前面的结果，判断其细胞内有几个核即可识别双核 细胞。再把它通过顶层向下投影，获得其在原始图像上的分割。 预期在这三个部分完成如下的工作： 细胞核分割。实现并选择合适的滤波器。实现细胞核边界的检定。实现边界的连 接。最后，完成封闭边界的连接，获取细胞核的参数( 位置、大小) 。 细胞质的分割。选取合适的高斯形状滤波函数，实现拉普拉斯金字塔算法。根据 图像特点，找到并实现新的寻找可靠边界点的算子。实现容错能力高的并且计算代价 小的椭圆拟合算法，拟合出椭圆轮廓，分割出整个细胞。 双核细胞的分割和识别。根据前面结果，判断双核细胞。实现比较精确的金字塔 投射算法。 8 华中科技大学硕士学位论文 2 总体设计 微核细胞的智能识别是一个较大难题，目前国际上还没有可靠的实用设备或者程 序。双核细胞的分割和识别是其很关键的步骤之一。首先，考察了本课题在整个系统 中的地位，然后简单分析了一下它的性能要求，最后叙述了算法和软件实现的整体设 计。 2 1 双核细胞分割和识别在整个系统中的地位 整个系统分成四个部分：微核测定与标本制备、计算机反馈控制系统的设计、 m n 的智能测定算法、m n 数据库的建立。其中m n 的智能测定算法部分又包括四个 部分：采集图像的预处理( 包括去噪、分割与形态滤波等处理) 、微核标本图像的特 征描述( 形态与颜色特征) 、m n 细胞的识别算法m n 细胞判剐专家知识库建立与m n 细胞的自动分类。 双核细胞的t 别和分割是m n 的智能测定算法部分的第一第二部分和第三部分 的大部分，它是m n 细胞识别关键步骤，以后再在双核识别和分割的基础上判断胞内 是否存在微核。它一方面要和计算机反馈控制系统的设计部分联系，获取以内存方式 或者文件方式微核细胞显微图像，一方面要把处理过的图像和分析结果向胞内微核判 断算法报告。 2 2 基本要求 接口要求：必须提供和其他部分的接口( 能够在内存中从显微控制部分获取图像， 能够从位图文件中获取图像，向下提供操纵算法获取结果的类和函数接口) 。 运行环境：w i n d o w 9 8 ，m e ，2 0 0 0 ，x p 精度要求：双核细胞的识别率8 0 以上( 以人工识别结果为标准) 处理时间：每幅图像处理时间 1 0 s ( 5 1 2 x 5 1 22 4 b i t ) 2 3 总体方案 由于其运行平台和时阊效率要求，使用v c 进行开发。根据细胞显徼图像处理的 9 华中科技大学硕士学位论文 特点，整个算法分成三个主要部分：细胞核分割、细胞质的分割、双核细胞的分割和 识别。其整体流程见图2 1 。 、 细胞核的距离可疑核数目大于l ， + 7 ， l 7 i i ， y 获得该核可疑区域，将该两核的 可疑核数目减一，进行细胞质的分割 识别双核细胞，是则统计其特征 并向下层算法报告 、 一次图像处理结束 一7 图2 1双核细胞分割和识别的总体设计图 细胞核分割部分：采用可分离的中值滤波器，即在水平和竖直方向分别用中值滤 波，其窗口大小小于普通核大小，但不相差太大。认为核边界是阶梯状边界，在水平 1 0 华中科技大学硕士学位论文 和蛏直方向均用( 1 ，1 ，1 ，0 ，1 ，一1 ，一1 ) 的算子检测边界，同时限定一定闽值， 在一定窗口大小寻找极大点作为边界点。边界连接使用普通的5 x 5 窗口连接。限定一 定闽值消除短边界。最后封闭两个方向上获得的边界，将核信息用链表连接起来，计 算可疑核的数目。 细胞质的分割：金字塔算法使用可分离的高斯低通滤波器，其模板为 ( 1 1 6 ，4 1 6 ，6 1 6 ，4 1 6 ，1 1 6 ) 。可靠细胞质边界采用自行扩展的k i t s c h 算子检定。椭圆的 拟合采用自行设计的结合t h e i l s e n 和r e p e a t e dm e d i a n 方法的一种随机化算法。 双核细胞的分割和识别：简单判断椭圆内是否有两个( 或以上) 核。投影采用简单直 接投影。 2 4 本章小结 本章对整个的算法实现的结构作了大致的介绍，确定了总体方案。对每个部分均 简要介绍了其算法的选择。以后的三章分别详细介绍细胞核分割、细胞质的分割、双 核细胞的分割和识别。由于第三部分内容较少，将和与系统其他接口等其他杂项一同 介绍。 l l 华中科技大学硕士学位论文 3 细胞核的分割 本章主要要解决在存在污染、脏物等噪声以及细胞质边界影响的情况下分割细胞 核的问题。其基本可以分为滤波器实现、可靠的边界点检定和边界的连接。其次本章 需要将分割的细胞核信息有效的传递给下层，主要是高效的寻找可疑细胞核。需要寻 找合适的数据结构。本章将在第一节叙述整体结构，以后各节依次叙述这些问题的解 决方法。 3 1 总体结构 细胞核分割的总体流程如图3 1 。 开始 水、f 方向中值滤波 水平方向检测边界 连接边界点 竖直方向滤波 水平方向检测边界 连接边界点 连接水平方向和竖直方向 的边界获得细胞核分割 生成细胞核信息和核间联 系信息 结束 图3 1 细胞核分割的总体漉程 1 2 华中科技大学硕士学位论文 为了能有效地滤掉椒盐噪声，采用比较大的模板进行滤波( 实现中采用宽度1 5 的窗f a ) ，如果不分为水平和竖直方向分别滤波，其实现和计算的复杂性很大，同时， 由于细胞形状均是凸的，边界点检定和连接在两个方向分别进行，最后在连接这些边 界获得分割是方便而且有效的。 以后各节依次介绍各个步骤地设计和实现。其中： 第二节介绍了中值滤波器的选择和实现，着重介绍了参数的选择并且给出了在水 平方向的实验效果。 第三节介绍了一种新的边界点检定和连接算法。该算法能够有效的去除细胞质边 界和其他杂质和噪声的干扰，并且能够稳定的得到细胞核的分割。 第四节介绍为了方便进一步的分割，获得的核间信息的方法，以及它的数据结构 的有效表示。 3 2 中值滤波器的选择和实现 中值滤波是一种很常用的非线性滤波技术，能够在衰减随机信号的同时不使边界 模糊。主要缺点是运算一般较慢，同时空间尺度必须根据手头的问题调整。通过考察 显微图像的特点，实现了种合适的中值滤波。 3 2 1 中值滤波的选择和参数设定 在细胞显微图像中，除了随机的噪声而外，脏物、杂质、泄露等也给图像处理 带来巨大的不利影响。这是一种类似“椒盐”的噪音。图3 t 2 是一幅原始的细胞显 微图像，可以清楚地看到上述问题。中值滤波在这方面有独特的优势。一般而言， 小于中值滤波面积一半的物体基本上会被滤掉，而较大的物体基本会原封不动的保 留下来。 中值滤波的效果取决于两个因素：邻域的空间的大小，以及中值计算中涉及的像 素数。同时，中值滤波的速度取决于涉及的像素数。在细胞的显微图像中，普遍的脏 物杂物的大小很少超过7 个像素宽，而细胞核的大小都在2 0 个像素以上，因此选定 1 5 的宽度作为中值滤波的宽度。在这个宽度上，如果采用两维的模板，将在每个点进 行1 5 x 1 5 个像素点的排序，这个代价是很大的。由于细胞核是凸的物体，因此采用水 平方向和竖直方向，分别滤波，分别检定边界点的方法。这样，效果上，并没有太大 损失，而运算代价则大大减小。 华中科技大学硕士学位论文 图3 2 原始的细胞显微图像 3 2 2 实现类c m e d i a n f i l t e r w i n d o w 在实际实现中，用类c m e d i a n f i l t e r w i n d o w 封装了中值滤波器。首先需要一个 获取中值的接口：g e t m e d i a n g r a y s c a l e 。考虑到灵活性，提供i n i t i a l i z e 接口可以以窗 大小n s i z e 初始化。同时，图像处理中，是按行或者列依次扫描各个像素点，并不 必每次都重取邻域点，因此需要m o v e w i n d o w f o r w a r d 接口，表示移动一个像素点。 在内部，除了初始化的时候，必须完全排序( 在新的一行伙这一列开始的时候，必须 初始化) 。多数时刻，只是将一个新加入的点，插入已经排好序的1 4 个其它点中。加 速算法是完全可能的。私有变量，mp f i l t e r w i n d o w 用于保存点的存入顺序以及和辅 助变量的联系，而m _ p f i l t e r s o r t h e l p e r 用于辅助排序并保存和原变量的联系，每次插入 新节点，都进行折半查找并插入，至多比较4 次( 1 0 9 2 1 5 ) 。从而大大加快中值滤波的 速度。 其类的不完整声明如下，其中n ln f i l t e r w i n d o w s i z e 标示窗口大小，i n t m _ n p f i r s t e l e m e n t 标示第一个像素点位置，用同余计算( ) 来实现循环的表，用 f i n d l n s e r t p o s i t i o n 实现在此情况下的折半查找。 c l a s sc m e d i a n f i l t e r w i n d o w p r i v a t e ： i n l i n ei n tf i n d l n s e r t p o s i t i o n ( i n tn l e f t , i n tr , r i g h t ，g r a y s c a l eg i n s e a ) ； 1 4 华中科技大学硕士学位论文 f i l t e r e l e m e n t + md f i l t e r w i n d o w ； f i l _ r e r e l e m e n t 4m _ p f i l t e r s o r t h e l p e r ； i n tmn f i t t e r w i n d o w s i z e ； i n tmn p f i r s t e l e m e n t ； p u b l i c ： g r a y s c a l eg e t m e d i a n g r a y s c a l e 0 ； b o o lm o v e w i n d o w f o r w a r d ( g r a y s c a l eg r a y s c a l e ) ； b o o li n i t i a l i z e ( g r a y s c a l e + p g r a y s c a l e ，i mn s i z e ) ； ) ； 其水平方向滤波效果如图3 3 。 图3 3 水平滤波后的图像 3 3 边界点检定和连接算法的选择和实现 在中值滤波以后，杂质等椒盐噪声以及随机噪声得到很强抑制。一些弱的细胞质 边界削弱了，但有些反而得到加强，见图3 3 。为此，选择了先通过阈值抑制然后 在较大范围寻找局部极值点的方法，有效的排除干扰，获得稳定的核边界点。在此基 础上，有效的分割出了细胞核。分割效果见图3 4 。 华中科技大学硕士学位论文 图3 4 细胞核分割的效果 3 3 1 边界点的检定和具体实现 细胞核的边界是对比很强烈的阶梯状边界。因此采用( 一l ，一1 ，1 ，0 ，1 ，1 ，1 ) 的模板求强度。在其距离较近的地方( 2 - 1 0 个像素) ，可能有或强或弱的细胞质边界 r 扰。中值滤波以后，细胞核边界得到增强，而细胞质的边界也有可能增强。但是总 体来说，细胞质边界的强度远远小于细胞核边界。 因此采用如下算法：选择一个介于超过细胞质边界强度的闽值排除细胞质边界的 干扰，然后在超过此阈值的基础上，选择局部的极大值作为细胞核边界点。 如图3 5 示意。 幽3 5 细胞核边界点检定示意图 其实现步骤如下： ( 1 ) 如果没有超出图像范围，使用模板( 一1 ，一1 ，1 ，0 ，1 ，l ，1 ) 计算当前点 1 6 华中科技大学硕士学位论文 边界强度；否则结束。 ( 2 ) 判断强度绝对值是否大于阈值t ：如果小于阈值，当前点移动到下一点， 回到步骤1 ； ( 3 ) 判断边界的类型( 根据强度的符号) ，记录当前点的位置和边界强度： ( 4 ) 计算下一点的边界强度，如果强度绝对值小于阈值，或者边界类型发生变 化，跳到步骤6 ； ( 5 ) 如果该强度比记录的强度大，记录当前点位置和边界强度；如果下