本文主要的研究內(nèi)容是如何更好地將形態(tài)學(xué)分水嶺算法應(yīng)用在細(xì)胞圖像分割領(lǐng)域。本文提出了一種基于標(biāo)記的分水嶺細(xì)胞分割方法,該方法核心思想是采用快速徑向?qū)ΨQ（fast radial symmetry,FRS）變換提取細(xì)胞核中心,并以此作為標(biāo)記進(jìn)行分水嶺分割。通過圓到橢圓的仿射變換,實(shí)現(xiàn)將快速徑向?qū)ΨQ變換擴(kuò)展為廣義快速徑向?qū)ΨQ（generalized fast radial symmetry,GFRS）變換,改進(jìn)了前述的基于標(biāo)記的分水嶺細(xì)胞分割方法。最后的實(shí)驗(yàn)分析表明,基于FRS變換的分水嶺算法取得了較高的精確率、準(zhǔn)確率和Dice系數(shù)值,能夠較好地完成對(duì)細(xì)胞的分割。而改進(jìn)的基于GFRS變換的分水嶺算法相比于基于FRS變換的分水嶺算法,在分割的精確率和Dice系數(shù)值上均有一定程度的提高。本文針對(duì)的是H&E染色胰腺神經(jīng)內(nèi)分泌腫瘤細(xì)胞,前述的基于標(biāo)記的分水嶺細(xì)胞分割方法基本步驟如下:首先通過顏色反卷積技術(shù)將RGB彩色圖像進(jìn)行主成分分析,得到蘇木精信道圖像;其次對(duì)蘇木精信道圖像進(jìn)行濾波去噪與形態(tài)學(xué)處理;然后進(jìn)行快速徑向?qū)ΨQ變換得到變換圖S;之后通過對(duì)變換結(jié)果圖進(jìn)行局部極值求解提取種子點(diǎn);最后將提... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：53 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．２帶有兩個(gè)明顯類的分區(qū)二維特征空間??分類器之所以被稱為監(jiān)督方法，是因?yàn)樗鼈冃枰斯し指畹挠?xùn)練數(shù)據(jù)，然??

?第２章醫(yī)學(xué)圖像分割概述???ｇ（ｘ，ｊ＾）?＝?ｍｅｄ?＼ｆ｛ｘ－ｋ，ｙ－ｌ），｛ｋＪ＾Ｗ）｝?（２．３）??其中，為原圖像，為中值濾波后的圖像，Ｗ為＇濾波器模板。??２．８?ＲＧＢ顏色空間??從掃描儀中獲取的細(xì)胞圖像為ＲＧＢ彩色圖像，它的原理與人類視覺系統(tǒng)的??原理相類似，以Ｒ（Ｒｅｄ：紅）、Ｇ（Ｇｒｅｅｎ：綠）、Ｂ（Ｂｌｕｅ：藍(lán)）三種基本色為基礎(chǔ)，進(jìn)行??不同程度的疊加，產(chǎn)生豐富而廣泛的顏色，模型示意圖如圖２．４所示。??＆?（０．０，２５５）???ｙｆ?ＩＶ?（?０．?２５Ｒ．?２ｆ）ｎ）??—’復(fù)???ｉ?Ａｈ?（〇．〇）??Ａｉｌ?（０．０．０＾??ｔ＼?１２５５，０，０）?＾?＇?＂?‘?＾?（２ｒ＞ｒ？．?２Ｂ．ｒ）．?０）??圖２．４?ＲＧＢ顏色空間模型??ＲＧＢ顏色空間運(yùn)用在人們生產(chǎn)生活的各種場景。它比人眼能分辨的顏色種??類多得多，并且可以較好地顯示出各種顏色，因此可以用ＲＧＢ顏色空間來近似??地表達(dá)自然界中的顏色。然而ＲＧＢ顏色空間的三個(gè)分量之間相互影響、相互依??賴，具有髙度的相關(guān)性，即某一個(gè)分量發(fā)生的細(xì)微改變可能會(huì)導(dǎo)致其他分量發(fā)??生巨大的變化；同時(shí)三個(gè)分量之間的顏色差異不夠明顯，不同的色彩很難用精??確的數(shù)值來表示，定量分析困難。因此在多數(shù)情況下，不使用ＲＧＢ顏色空間直??接進(jìn)行圖像分割處理｜３３１。??通過顏色空間轉(zhuǎn)換，可以根據(jù)場景的不同選擇合適的顏色空間，從而更好??地提取圖像特征。??２．９本章小結(jié)??本章簡要介紹了醫(yī)學(xué)圖像分割領(lǐng)域的幾種常用算法，并對(duì)圖像降噪的基礎(chǔ)??知識(shí)進(jìn)行了學(xué)習(xí)，最后分析了?ＲＧＢ顏色空間的基本概念以及優(yōu)缺點(diǎn)。??１１??

?第３章關(guān)鍵技術(shù)???第３章關(guān)鍵技術(shù)??３．１數(shù)學(xué)形態(tài)學(xué)??形態(tài)學(xué)是一種非線性的圖像處理和分析方法，它能夠從圖像中提取描繪區(qū)??域形狀的圖像分量，例如骨架、邊界等。此外，在圖像的預(yù)處理或后處理階段，??形態(tài)學(xué)也能對(duì)圖像實(shí)現(xiàn)過濾、修剪和細(xì)化等功能。??３．１．１腐蝕和膨脹??腐蝕和膨脹是形態(tài)學(xué)處理的基礎(chǔ)，這兩個(gè)原始操作構(gòu)成了許多形態(tài)學(xué)算法??的基矗腐蝕縮小或細(xì)化了二值圖像中的物體，其實(shí)可以將腐蝕當(dāng)成形態(tài)學(xué)濾??波操作，這種濾波操作將小于結(jié)構(gòu)元的圖像細(xì)節(jié)從圖像中去除了。而膨脹則會(huì)??增長或粗化二值圖像中的物體，這種特殊的方式和粗化的寬度由所用的結(jié)構(gòu)元??來控制。??對(duì)于二維空間Ｚ２中的集合Ａ與集合Ｂ，用Ｊ０５表示Ｂ對(duì)Ａ的腐蝕，則??Ａ＠Ｂ?＝?＾＼｛Ａ－ｂ，ｂ＾?Ｂ）?＝?（３．１）??ｂｅＢ??如圖３．〗所示展示了圖（ａ）被結(jié)構(gòu)元素（ｂ）腐蝕形成（ｃ）的過程模擬：???Ｐ?－（Ｅｐ－??三三華蘭??（ａ）原圖?（ｂ）結(jié)構(gòu)元素?（ｃ）ｄ？５??圖３．１腐蝕運(yùn)算過程模擬??膨脹是腐蝕的對(duì)偶運(yùn)算，圖３．２展示了膨脹運(yùn)算的過程模擬。集合Ａ被集??合Ｂ膨脹表示為５，定義為??Ａ＠Ｂ?＝?＼Ｊ｛Ａ?＋?ｂ，ｂｅＢ｝＾＼＾Ａｈ?（３．２）??ｂｅＢ??１２??

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)高斯濾波的醫(yī)學(xué)圖像邊緣增強(qiáng)[J]. 許蓉,王直,宗濤.  信息技術(shù). 2020(04)
[2]基于瓶頸檢測和分水嶺算法的重疊宮頸細(xì)胞圖像分割方法[J]. 段鵬,程文播,錢慶,章強(qiáng),楊任兵,潘宇駿.  中國醫(yī)療器械雜志. 2020(01)
[3]分水嶺算法的改進(jìn)及在圖像分割中的應(yīng)用[J]. 韓懸,馬銀平.  現(xiàn)代信息科技. 2019(24)
[4]癌細(xì)胞的特征提取與計(jì)數(shù)系統(tǒng)設(shè)計(jì)[J]. 楊曉玲,李嘉,徐榮輝,蔡根進(jìn).  機(jī)電工程技術(shù). 2019(09)
[5]基于增強(qiáng)雙邊濾波的圖像分割模型及應(yīng)用[J]. 于海平,林曉麗.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(04)
[6]基于迭代H-minima改進(jìn)分水嶺算法的高分辨率遙感影像單木樹冠提取[J]. 滕文秀,溫小榮,王妮,施慧慧.  激光與光電子學(xué)進(jìn)展. 2018(12)
[7]血液紅細(xì)胞圖像自適應(yīng)標(biāo)記分水嶺分割算法[J]. 王婭.  中國圖象圖形學(xué)報(bào). 2017(12)
[8]改進(jìn)分水嶺與主動(dòng)輪廓模型相結(jié)合的肝癌細(xì)胞核分割算法研究[J]. 張學(xué)典,蔡雨杏,汪泓.  軟件導(dǎo)刊. 2017(12)
[9]基于小波變換和形態(tài)學(xué)分水嶺的血細(xì)胞圖像分割[J]. 黃籽博,劉任任,梁光明.  計(jì)算技術(shù)與自動(dòng)化. 2017(03)
[10]基于形態(tài)學(xué)濾波的標(biāo)記分水嶺腦腫瘤圖像分割[J]. 王伏增,汪西原,宋佳乾.  寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)

碩士論文
[1]癌細(xì)胞病理圖像的檢測技術(shù)研究[D]. 蔡武斌.中北大學(xué) 2018
[2]基于形態(tài)學(xué)分水嶺的醫(yī)學(xué)圖像分割方法研究[D]. 王一博.重慶理工大學(xué) 2013
[3]免疫組化細(xì)胞顯微圖像分割算法研究與應(yīng)用[D]. 童振.電子科技大學(xué) 2012
[4]免疫組化顯微圖像分割與分析技術(shù)的研究[D]. 李靜.濟(jì)南大學(xué) 2010
[5]醫(yī)學(xué)顯微圖像的分割研究[D]. 徐曉燕.黑龍江大學(xué) 2008
[6]基于形態(tài)學(xué)分水嶺算法的細(xì)胞圖像分割[D]. 高靜.吉林大學(xué) 2008



本文編號(hào)：3533546