基于边界跟踪的聚堆细胞图像分割算法研究.doc

湖南师范大学硕士学位论文基于边界跟踪的聚堆细胞图像分割算法研究姓名：周鹏申请学位级别：硕士专业：计算机软件与理论指导教师：刘相滨201205 摘要实 验 结 果表明 ， 所提 出的 分 割 算法 比 现 有算法 在 分 割 精度上 有很 大 的 提 高。关 键词： 分 割 ； 轮 廓 跟 踪； 聚 堆 ； 距 离 变 换 瓼 舡 ， “ 穝 ”“ 保 瑃 闕 提 出了一 种 基 于 纹 理的木 材 显微细 胞 图像 分类 算法 ，通 过 非下 采 样 的 颗 粒图像 的处理 与 分析 一 般 分为 图像 采 集、 预 处理 、 图像 分割 、 特 征提取 、特 征统计分析 、 结果 输出等 几 个 过程 ， 如 图 所 示 。 在这 些 过程 中， 图像 分割是 关键 的一 个 环 节， 分割 结果 的好坏会 直 接 影响 后 续的特 征提取 与 统计分析 ， 较为 理 想的分割 应 该是 能够 将 图像 中所 有的目标 从背 景中分割 出来 并分割 为 一 个 个的单个 目标。但 颗 粒图像 的分割 与 一 般 的分割 技 术相比 ， 具 有其特 殊性 。 颗 粒图像 中的目 像 进 行二 值化， 然 后将 粘 连 、重叠 在一 起的聚 堆 区 域分离为 单 个 目 标 。 粒 的 真 实轮 廓 ，而 是 存 在 一定 的 误 差 ； 基 于 边界跟 踪 的聚 堆 细 胞 图像 分割算法 研究 硕 士 学 位 论文样逐 个对 粘 连 区 域进行 分割 ；和 独 立 目标区 域进行 区 分， 可以 直接 对 整幅 图 像 进行 运 算 。 基 于 边界 跟 踪 的 聚堆细 胞 图 像 分割 算 法 研究图 一 幅存 在聚堆现 象 的 菌落 细 胞 图 像图 一 幅存 在聚堆现 象 的 血 细 胞 图 像 硕 士 学 位 论文的 变化 情 况 ，提 出 了 不 依 赖 于 聚 堆 区 域发 生 分裂的 基于 轮廓跟踪分析的 分割算 法 ，克 服 了 传 统算 法 中采 用 腐 蚀 运 算 或近似 距 离变换 操 作 对 聚 堆 区 域轮廓的 处 理 并不是 真正等 厚度 的 不 足 ，从 而 使 区 域收 缩 趋 向 于 均 匀，保 留 了 较小 的 凹 陷 信息 ，获得 了 较好 的 分割效果 。但 是 对 于 一些 聚 堆 区 域的 中轴 方向 不 是 水平或垂直，以及聚 堆 区 域含 有 孔洞 的 情 况 ，仍 无 法 有 效分割。因 此 ，本文 在前期 研 究的 基础上 ，以菌落细 胞图 像 为 研 究对 象，研 究基于 边界跟踪的 改 进 分割算 法 ，以克 服 现有 算法 的 不 足 。 论文 的 主要 研 究内容及 组 织 结构算 法 ，然 后 分析了 其 存在的 不 足 ，进 而 介 绍 了 所提 出 的 改 进 算 法 ，实 现了 对 聚 堆 区 域的 中轴 方向 不 是 水平或垂直及 聚 堆 区 域含 有 孔洞 情 况 的 分割。堆 区 域内包含 的 细 胞核 个 数 进 行 判 断、 以尽可能 减 少 过分割和 欠 分割发 生 的 改 进 硕 士 学 位 论文图 颗粒 图 像分 割 处 理一 般过 程“有 意 义 ”的 准则 一 般应选取 能 帮助 确定 各 区 域像素有 代 表 性的 特性， 如 灰度 、 纹 理等。对 于灰 度 图 像的 分 割 通常 是 基 于像素灰 度 值 的 两 个性质 ： 不 连续 性和 相 似 性。区 域内 部 的 像素一 般具有 灰 度 相 似 性， 而在区 域之 间 的 边 界上 一 般具有 灰 度 不 连续 性。因此 ， 分 割 算法 一 般据 此 分 为利 用区 域间 的 灰 度 不 连续 性的 基于边 界的 算法 和 利 用区 域内 部 相 似 性的 基 于区 域的 算法 两 大 类 。但 近年来， 研究人 员 不 断 改 进 原 有 的 图 像分 割 方 法 并把 其 它 学 科 的 一 些新 理论和 新 方 法 用于图 像分 割 ， 提 出了不 少 新 的 分 割 方 法 。具体来说 ， 现有 的 图 像分 割 方 法 主 要分 为以下几 类 ： 基 于阈 值 的 分 割 方 法 、 基 于区 域的 分 割 方 法 、 基 于边 缘 的 分 割 方 法 以及 基于特定 理论的 分 割 方 法 等。 快 ， 而 且 总 可 以用封 闭而 且 连通的边界定 义 不交 叠 的区谷 就 的可 以 个将， 方 法 称 为 单 阈 值法 ， 输 出 图像 挥 和 礁 龌 叶 戎担 6 低 枷 瘢 对 应阈 值分割法 关键 在于 阈 值的选 取 ， 根据阈 值选 取 算法 的不同， 有 二 模 态 阈 值 区域 生长 分 割 方 法 的 最大 优 点 就是 计 算 简单，对 于 生长 准 则性 质 比 较均匀的连通 目 标 有非 常 好 的 分 割 效果 。 但 它的 缺点 也 很 明 显，需 要 人 为 确 定 种子点 ，并且 对 噪 声非 常 敏 感 ，也 可能导致 区域 内 包含 空 洞 。 此外，它是 一种串 行算 法 ，如果 目 标 较大 ，那么 分 割 速 度将会变得 很 慢，因 此在 设 计 算 法 时 ，要 注 意 提高 算 法的 效率。 基 于 边界跟 踪 的聚 堆 细 胞 图像 分割算法 研究 硕 士 学 位 论文波 变 换 的 阈 值 图 像分 割方法 的 基本 思 想 是首 先 通 过小 波 变 换 将 图 像的 直 方图 分 解为 层 次 不 同 的 小 波 系 数 ， 然后按 照 给 定 的 分 割准 则 和 小 波 系 数 来 选择阈 值 的 门 限 ，最 后利 用 阈 值 区分 出 图 像分 割的 区域。人 工 神 经 网 络 识别 技 术 近年 来 已 经 引 起了广 泛 的 关 注和 应用 。 基于神 经 网 络的 图 像分 割方法 的 基本 思 想 是通 过训练 多 层 感知 机来 得 到 线性 决 策 函 数 ， 然后用决 策 函 数 对 像素 进 行 分 类 从 而 实现分 割。 这 种方法 需 要有 大 量 的 训练 数 据。 其 神经 网 络 存 在着 巨 量 的 连接 ， 所以 容易 引 入空间 信息， 能 够 较 好地解 决 图 像中的 噪声 和 不 均 匀 问 题， 但是这 种方法 要解 决 的 主 要问 题是选择何种网 络 结 构。 奴粼 穆 鼍 剑 唬 ： 鬻 骥 柚玫 鼻 暗 鉷已 跟 踪 标志 为 真 并 将 嫒 隤 。 耫 打 。 闭 的围 线，目 标区 域 完 全被 包 围 在其 中 。对 算法 作 以 下 几 点 调整，则可跟 踪 区 域 的内边 界 ： 标号项 目 组 前 期 提 出 的一 种基 于 边 界 跟 踪 的快 速标号 算法 【 】 。该 算法 与 基 于 线扫 描 的标号 算法 相比 ，不 但 可以 实 现 具 有各 种任 意 复 杂形状 连 通 物 体区 域 的标号 ，即 使含 有孔洞 或 目 标区 域 内还包 含 有目 标物 体，而且 速度 更 快 ，能够真正 实 现 一 遍 扫描 完 成 标号 ，同 时 还可以 获 得 物 体的边 界 点 序列、 边 界 链 码 、 是 否 含 有孔洞 及 孔洞 的位 置 等 信 息。 本章 小 结 隧图 连 通边界 跟 踪结 果 项目组 在前期 研 究中提出了 基 于 边界 搜 索、 剥 离的聚 堆 目标 分 割 算法 。 算法 一方面采 用 呓绺 俜 椒 硪 环矫 嬷 饕 J歉莞佟 俺 在搜 索过 程 中遇 到已 搜 索过 的边界 像 素点 时 边界 线 分 段 的情况 来 决 定 是否 实 施 分 割 ，而 不 仅 仅 是根据区 域 是否 发 生 分 裂来 实 施 分 割 ，从而 很好 地 克 服 了 基 于 腐蚀或 距离变换 分 割 算法 的不 足。图 粘 连 细 胞 区 域经连 通边界 跟 踪剥 离后发 生 分 裂 硕 士 学 位 论文 、 算 法 ： 如 果 几 臼 业 鼻 氨 呓缦 袼 氐阄 R 阉 阉 鞴 袼 此 时 区 域 厚 度 为 ， 或 者 当 前 边界 像 素点 的 谟蛭 R 阉 阉 鞴 呓缦 袼 此 时 区 域 厚 度 为 ，则说 明 跟踪 “虫 ”进入了 一 个 可 能 的分 离段 ， 此 聚 堆 区 域 可 能 应 该在 此 处分 割， ， 三 算 法 ： 改进 算法 图 影 响算 法分 割效 果 的 两 种 情况 直 方 向 上 的 剥 离速 度要比 对 角方 向 上 快 一 些，从 而 使 得存在 于 聚 堆区 域 倾 斜部 位要求 ，不会 产 生 分 割 。为 了 验证 上 述 分 析 ，根 据 颗 粒 特征 提 取 模 块 所 获得的 该区 域 的 中 轴 方 向 ，将图 聚 堆区 域 旋 转 至中 轴 呈水平 方 向 时 边界剥 离后 满足 分 割条件 综 上 所 述 ，得到改 进 算 法如算 法所 示。 乱桓 印，那 颍 绻挥 性 蜃：设为 玫 蕉 低 枷 瘢； 割算法 中 予 以 解决。 一工一一一，鲆灰灰唬駆馢籭；瘛瘛瘛瘛瘛瘛瘛瘛馡瘛瘛瘛瘛馡警黧馡 转 焉 !觥 2 2穇 本 文算法 基 本 上 实 现 了正 确分 割 。 欧 氏 距离 变换设瑈 叼 1尘 跋 袼丶 希現 瑈 为 应 用 近似 欧氏距 离 的 结 果。 从 图 中 可 以 看 出 ，采 用 完 全 欧氏距 离 获得 的 目 标 核更为 准 确 。图 分 别 采 用 完 全 欧氏距 离 和 近似 欧氏距 离 获得 目 标 核 的 情 况 耆 肥 暇 嗬 耄 近似 欧氏距 离根 据 完 全 欧氏距 离 变 换结 果获得 各 个 聚 堆 区 域包含的 目 标 核 数 目 以 及目 标 核位 置 之后，则可 应 用 分 水岭 或 水坝算 法 对其 进行 分 割。 但 由 于 基于 分 水岭 及水坝的 分 割算 法 在很多文 献 中 都有 介绍 ，因 此 在本 文 中 不 再重 述。 本 文 仅介绍 结 合 算法 的 分 割算 法 研 究。 如果遇 到 距 离 变换 局 部 极 大 值 点，则区 域极 有 可 能 应 该 在 此 处 分割，应 适 当 放 宽 算法 中 对 可 能 分离 段 的分割条件 判 断 ，如果区 域确实 应 在 此 处 分割，则分离 线 应 从该 极 大 值 点出 发 沿着 两边的局 部 极 小 变沿线 将 区 域分裂： 如果该 区 域需 要分割，则在 获 得分离 线 后 ，如果 ，则需 要将 其反旋 转 变换 到 原 图像 空 间 中 ，然后 在 原 图像 空 间 中 实 施 分割； 如果该 区 域没 有 产生 分割，则设 置 其 琲产 恍 璺 指睿 ； 图 聚 堆图 像应用 本文 算法 分 割后的 结果 图 如 图 所 示 。表 各 算法 对 聚 堆颗 粒 分 割结果 比较分 割前离聚 堆细好 的 解 决。 结论 匕颗 粒图像 的自动 分割、数 目统 计 、分析 与 分类 在 工 医疗 卫 生 、农业 生 产 等领域均 有广 泛的应 用 。 然 而 ，由于 图像 分割技 术 的特 殊 性 ，尽 管许多 国内 外 学 者已经进 行了 广 泛而 深 入 的研究 ，已 经提 出 了 各 种各 样的卓 有成 效的分割算法 ，但 至今仍 然 没有哪 一种方法 对所有测 试图像 其分割效果均 为 最佳。 而 图像 中 的物 体 目标 又 往往会 产 生 聚 堆 现 象 ，给 分割带来 了 难 度，因 此 ，为 了 提 高后 续 分析 处理 的精度，必 须 设 计 有效的分割算法 能够将它 们 分割为 单 个 目标 。 为 此 ，本 文 以细 胞图像 中 的聚 堆 现 象 为 研究 对象 ，通 过 对现 有分割算法 的分析 和 总 结，针 对现 有分割算法 的不 足 ，研究 聚 堆 细 胞 的各 种形态 特 征，提 出 具 有更 好 分割效果的的聚 堆细 胞 图像 自动 分割算法 。具 体 来 说 ，本 文 主 要 取 得 了 如 下成 果： 汪 一 聪，陈 恳 ，赵 攀 基 于数 学 规划条件 的 粘连 颗 粒图 像鞍 点搜 寻 中国 图 珹 篴 產 琒 ： 周 德 祥，毋 桂萍 ，杨 红 卫 ，王自 强 基 于数 学 形 态 学 粘连 粮 食 籽 粒图 像分 割算 法 的 改 进 农 机 化研究 ， ， ： 孙 敬 飞，杨 红 卫 形 态 学 分 水 岭算