论文部分内容阅读
图像分割是图像分析中的首要步骤,也是最重要的环节之一。因为图像分割可以将图像处理成更加简单,更具特征性的形式来分析。随着计算机辅助诊断的发展,在现代医学病理分析中,医学图像分析已经越来越凸显其重要性。细胞图像分割可以确定细胞的轮廓和位置,从而将目标细胞分离,使得细胞特征提取和细胞识别更加精确,进而得到更准确的病理分析。现代医学仪器都要求智能化,这也就要求图像分割的智能化。智能细胞图像分割自动地、准确地完成细胞的分离,促进整个细胞图像处理系统的智能化、自动化和实时性。彩色图像的准确分割,一方面取决于合适的颜色空间,另一方面在于分割方法的正确选择。而颜色空间的选择是彩色图像分割的首要步骤,选择了适当的颜色空间,能够更加方便地完成彩色图像的分割,可以得到更佳的分割结果。对于彩色细胞图像,只要选择了恰当的颜色模型,就能够利用简单的阈值分割方法进行图像分割,并得到准确的分割结果。针对本文是彩色白细胞图像分割这一情况,并根据实际试验和分析各个颜色空间,最终备选四种颜色空间(HSI、HSB、LAB、gray)中的颜色分量,再利用智能方法选择其中适合的一个分量对白细胞图像进行分割。对上面四种颜色模型分量智能选择,这里分别采用了基于主动判断模式和基于分割判断模式两种智能方法进行对比试验。主动判断模式主要是建立在对不同颜色模型的图像统计特性的基础上,得到直接的决策算法。本文对白细胞图像智能分割,研究的是如何智能选择恰当的颜色空间分量。对于分割的方法,只要采用阈值法,因此采用均值和方差作为图像统计特性。分割判断模式以图像分割评价为基础,得到间接的决策算法。对于分割判断模式,分别阐述了直方图谷底检测判断分割正确与否和纹理一致性判定分割的正确性。利用这三种智能选择算法对白细胞图像进行智能分割的试验结果表明,基于主动判断模式能够比较好地完成颜色模型的主动选择,从而完成白细胞图像的智能分割。基于分割判断模式能够很好地完成分割的智能诊断,从而进行智能化白细胞图像分割。