為實現(xiàn)對粘連細胞圖像的分割,將Bayes分類器和KNN分類器引入到水平集外部速度函數(shù)的設(shè)計中,兩種分類器輪流作用,無需設(shè)定閾值便能產(chǎn)生水平集驅(qū)動力.算法將Shi模型的雙鏈表和C-V模型的全局分割相結(jié)合,以加快曲線演化.將目標與背景的類內(nèi)平均距離引入到OTSU閾值法的閾值選擇函數(shù)中,對OTSU法進行了改進.試驗結(jié)果表明,相較于水平集法和閾值法,該算法對復(fù)雜粘連細胞的分割效果更好,在細胞圖像分割中具備一定的有效性和可行性. 

【文章來源】：湖北民族大學(xué)學(xué)報(自然科學(xué)版). 2020,38(01)

【文章頁數(shù)】：6 頁

【文章目錄】：
1 優(yōu)化水平集算法
    1.1 算法原理
    1.2 算法步驟
2 改進的OTSU閾值法
3 試驗結(jié)果分析
4 結(jié)語


【參考文獻】：
期刊論文
[1]基于多層水平集函數(shù)的三維多相圖像分割[J]. 徐娟,潘振寬,魏偉波,王加忠.  計算機工程. 2020(02)
[2]圖像邊緣檢測與分割的MATLAB實現(xiàn)[J]. 黃時杰,曾建華.  赤峰學(xué)院學(xué)報(自然科學(xué)版). 2019(09)
[3]基于機器視覺的包裝機械貼標功能實現(xiàn)[J]. 劉定操.  包裝工程. 2019(17)
[4]基于自適應(yīng)閾值的間充質(zhì)干細胞分割方法研究[J]. 何國生,施露露,鄒爽爽,洪歡歡,聞路紅,史振志.  電子測量與儀器學(xué)報. 2019(06)
[5]云計算模型下圖像邊緣重疊區(qū)域檢測方法研究[J]. 王蘋.  內(nèi)蒙古民族大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[6]基于空間信息熵活動輪廓模型的圖像分割[J]. 馬翔,楚瑩瑩,陳允杰.  控制工程. 2018(11)
[7]圖像處理中全變差正則化數(shù)據(jù)擬合問題算法回顧[J]. 楊俊鋒.  運籌學(xué)學(xué)報. 2017(04)
[8]基于改進CV的圖像分割[J]. 夏欣,葛龍,孟宏源.  四川大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[9]鉆桿管螺紋型面信息在機測量方法研究[J]. 孫興偉,于欣玉,董祉序.  組合機床與自動化加工技術(shù). 2017(08)
[10]基于水平集和凹點區(qū)域檢測的粘連細胞分割方法[J]. 楊輝華,趙玲玲,潘細朋,劉振丙.  北京郵電大學(xué)學(xué)報. 2016(06)



本文編號：3151942