显微细胞图像识别是图像理解和处理的一个重要应用领域。在对显微细胞进行研究时,由于显微镜景深和视野的限制,在保证分辨率的前提下,一次采集操作只能获得细胞某一聚焦平面的局部图像。这就需要研究人员不断地调整显微镜焦距以观察不同聚焦平面的细胞结构,同时还要不断地移动玻片来观察细胞的其它区域,从而实现对目标的完整观察和信息分析。如此一来将导致研究人员工作量过大,效率低下,并且信息分析的精确度不高,可信度不强,给科研、生产工作带来严重隐患。随着光电检测、机器视觉和数字图像处理技术的发展,利用相关技术对显微细胞图像进行处理成为了一个新的发展方向:利用图像融合技术对多聚焦显微细胞图像进行融合处理获得在不同聚焦平面结构均清晰的图像;使用图像拼接技术可将一系列视野狭小的图像拼接成一幅大视野图像以解决显微镜单一视野小,无法完全捕获大目标的问题;而利用相关图像分割技术可以实现全景显微细胞图像中特定目标的提取,从而准确客观地进行相关信息的分析。本文在研究图像融合技术获得不同聚焦平面均清晰的显微细胞图像的基础上系统研究了图像拼接技术的基础原理,重点分析了Harris角点提取算法在显微细胞图像拼接实现中的优势和存在的问题,并随后提出了对Harris算法的改进方法和鲁棒性的角点匹配方法以实现图像的拼接;最后通过改进的FCM算法对图像进行分割以实现特定目标的提取和信息分析。具体取得了以下进展:(1)图像融合。在基于小波变换的图像融合技术的基础上,提出了基于区域能量和加权平均算子相结合的低频小波系数融合规则和基于局部梯度的高频小波系数融合规则;最后采用多种评价指标验证了算法的有效性。(2) Harris角点提取算法的改进。用中心B样条函数代替Harris算法中的高斯函数以提高Harris算法的抗噪性和对信号的逼近能力;通过自适应方法设定阈值对角点数目进行控制并提高分布的均匀性,以利于后续角点的匹配操作。(3)角点匹配。充分利用角点间的空间相对位置关系和支撑性,提出了鲁棒性的角点匹配方法,对基于采用归一化互相关方法得到的角点匹配结果进行优化,减少误匹配,提高匹配精度,以利于图像变换矩阵的准确建立。(4)图像分割。采用改进的FCM聚类分割算法对彩色图像进行分割并提取特定目标进行信息分析。