论文部分内容阅读
研究显微物体一直是医学中很有必要的部分,它对了解生物学过程具有重要的意义。目前,对于显微图像的分析仍然停留在人工阶段,即通过人眼观察进行分析和检查,这给我们带来了很多问题:工作力度大、判断错误率高、工作效率低等。为了改善上述问题,人们越来越关注如何利用计算机代替人眼来识别图像,因而基于图像处理的自动识别技术也发展成该领域的研究课题之一。
由于显微图像是借助特定的成像仪器获得的,因此具有自身的图像特点,对比度不高、光照不均、噪声干扰大、图像边界不清晰等一些复杂背景因素给识别工作带来了很大困难,本文在对常用的分割算法进行研究的基础上,针对微胶囊形态特殊性的考虑,提出了一种基于方向信息的图像分割算法。首先针对所研究的图像具有屋脊型边缘的特点,把两个分别从空间分布和灰度分布上体现出屋脊边缘点的特征度量,即散度和对比度结合起来,对图像边缘进行检测。实际应用中取得了不错的效果,同时还能获得边缘点的方向信息。接着利用边缘点的方向信息提取出边缘骨架,实验结果能保证细化后边缘曲线的连通性、单像素宽,并保留边缘曲线的端点。然后利用边缘点的方向信息、边缘曲线的相对位置以及端点间的距离大小等来连接边缘。实验结果中能将边缘粘连处和断开处较好地分离和连接起来,大大有利于图像的分析和识别工作。最后将整个算法流程在开发的实用性算法研究软件平台上测试运行,证明了基于方向信息的分割算法思想的可行性、有效性和鲁棒性。本文的创新之处在于:1.考虑到边缘具有方向性的特点,结合散度和对比度,定义边缘点的方向信息来反映屋脊边缘的特征;2.在边缘检测中,加入了隶属度概念使算法更具自适应能力。此外,还提出了基于方向信息的去噪方法;3.充分利用边缘点的方向信息来进行边缘细化和边缘连接,整个图像的分割算法以方向信息为核心,将边缘检测、边缘细化、边缘连接一体化。
由于显微图像是借助特定的成像仪器获得的,因此具有自身的图像特点,对比度不高、光照不均、噪声干扰大、图像边界不清晰等一些复杂背景因素给识别工作带来了很大困难,本文在对常用的分割算法进行研究的基础上,针对微胶囊形态特殊性的考虑,提出了一种基于方向信息的图像分割算法。首先针对所研究的图像具有屋脊型边缘的特点,把两个分别从空间分布和灰度分布上体现出屋脊边缘点的特征度量,即散度和对比度结合起来,对图像边缘进行检测。实际应用中取得了不错的效果,同时还能获得边缘点的方向信息。接着利用边缘点的方向信息提取出边缘骨架,实验结果能保证细化后边缘曲线的连通性、单像素宽,并保留边缘曲线的端点。然后利用边缘点的方向信息、边缘曲线的相对位置以及端点间的距离大小等来连接边缘。实验结果中能将边缘粘连处和断开处较好地分离和连接起来,大大有利于图像的分析和识别工作。最后将整个算法流程在开发的实用性算法研究软件平台上测试运行,证明了基于方向信息的分割算法思想的可行性、有效性和鲁棒性。本文的创新之处在于:1.考虑到边缘具有方向性的特点,结合散度和对比度,定义边缘点的方向信息来反映屋脊边缘的特征;2.在边缘检测中,加入了隶属度概念使算法更具自适应能力。此外,还提出了基于方向信息的去噪方法;3.充分利用边缘点的方向信息来进行边缘细化和边缘连接,整个图像的分割算法以方向信息为核心,将边缘检测、边缘细化、边缘连接一体化。