论文部分内容阅读
细胞图像的处理与分析在医疗卫生领域有着广泛的应用。对细胞图像进行分割并对分割出来的细胞进行数量统计、特征提取和分析,例如面积、周长、各种矩等,具有重要的应用意义。在这些处理中,图像分割是一个关键的环节,分割结果的好坏直接影响数量统计的精确度以及后续的分析处理。然而,图像分割技术是图像工程的一大经典难题,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。为此,本文在项目组前期研究的基础上,通过对现有算法的分析和总结,针对现有算法的不足,研究聚堆细胞的各种形态特征,提出改进算法,以提高分割的精度和速度。论文首先介绍了课题的研究意义,并对现有细胞图像分割算法存在的问题进行了分析和阐述,从而引出本课题的研究问题,然后在分析了问题产生的原因的基础上,提出了改进的基于边界跟踪的聚堆细胞图像分割算法。(1)针对聚堆区域的中轴方向不是水平或垂直时无法有效分割的情况,提出了对聚堆区域进行旋转的思想,先将聚堆区域旋转至其中轴方向呈水平或垂直,然后再应用分割算法进行分割。(2)针对聚堆区域含有孔洞的情况,提出了同时应用区域内边界跟踪剥离的思想,如果聚堆区域含有孔洞,则对区域的外边界和内边界同时应用基于边界跟踪剥离的分割思想进行分割。(3)针对分割过程中可能导致的过分割和欠分割情况,提出了应用项目组前期研究获得的完全欧氏距离变换结果对聚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的发生。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。