圖像分割技術(shù)在圖像處理和計(jì)算機(jī)視覺領(lǐng)域一直占據(jù)重要位置,針對圖像分割的算法也一直是國內(nèi)外學(xué)者的研究熱點(diǎn)。在眾多較為成熟的圖像分割算法中,基于活動輪廓模型的目標(biāo)輪廓提取方法以結(jié)合圖像本身的特性與先驗(yàn)知識的特點(diǎn)獲得了研究者們的廣泛關(guān)注。梯度矢量流模型屬于參數(shù)活動輪廓模型中的一種,能夠?yàn)榇蠖鄶?shù)圖像分割問題提供一個(gè)良好的解決方案。本文首先介紹了圖像分割技術(shù)的研究背景和意義,綜述了細(xì)胞圖像分割方法的研究現(xiàn)狀。其次,詳細(xì)闡述了傳統(tǒng)Snake模型的基本原理和算法流程,以此為基礎(chǔ),介紹了氣球力模型和GVF（Gradient Vector Flow）Snake模型,并通過仿真實(shí)驗(yàn)來對比這兩種改進(jìn)的Snake模型的分割效果。此外,就GVF Snake模型初始輪廓的設(shè)置方法進(jìn)行了詳細(xì)討論,提出以O(shè)tsu法和邊緣改進(jìn)的Otsu法粗分割圖像來提高初始輪廓設(shè)置的準(zhǔn)確度,旨在獲得較好的分割結(jié)果和較快的收斂速度。最后,由于宮頸細(xì)胞圖像具有形狀規(guī)整、細(xì)胞核居中、體積小且不透明等特點(diǎn),將GVF Snake模型應(yīng)用到宮頸細(xì)胞圖像的分割中。本文的主要工作如下:1、基于傳統(tǒng)Snake模型,對其基本原理及算法流程進(jìn)行了論述并在M... 

【文章來源】：南華大學(xué)湖南省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 圖像分割的研究背景與意義
    1.2 細(xì)胞圖像分割方法的研究現(xiàn)狀
    1.3 本文的研究內(nèi)容與組織安排
第2章 GVF Snake模型的原理及分析
    2.1 傳統(tǒng)Snake模型的基本原理與算法實(shí)現(xiàn)
        2.1.1 傳統(tǒng)Snake模型的基本原理
        2.1.2 Snake模型的仿真結(jié)果與分析
    2.2 GVF Snake模型的基本原理與算法實(shí)現(xiàn)
        2.2.1 傳統(tǒng)Snake模型的改進(jìn)
        2.2.2 GVF Snake模型的基本原理
        2.2.3 GVF Snake模型的仿真結(jié)果與分析
    2.3 本章小結(jié)
第3章 GVF Snake模型初始輪廓的設(shè)置
    3.1 小波變換
    3.2 分水嶺算法
    3.3 邊緣檢測算子
        3.3.1 Canny算子
        3.3.2 LoG算子
    3.4 LoG算子在宮頸細(xì)胞初始輪廓設(shè)置中的應(yīng)用
    3.5 本章小結(jié)
第4章 GVF Snake模型在宮頸細(xì)胞圖像上的應(yīng)用
    4.1 宮頸細(xì)胞圖像
        4.1.1 宮頸細(xì)胞圖像分割的研究背景和意義
        4.1.2 宮頸細(xì)胞圖像的特點(diǎn)
    4.2 宮頸細(xì)胞圖像的預(yù)處理
        4.2.1 宮頸細(xì)胞圖像的灰度化
        4.2.2 宮頸細(xì)胞圖像的去噪
    4.3 宮頸細(xì)胞圖像的粗分割
        4.3.1 細(xì)胞質(zhì)粗分割
        4.3.2 細(xì)胞核粗分割
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合梯度邊緣信息改進(jìn)的全局閾值法與GVF Snake模型的宮頸細(xì)胞圖像分割[J]. 孟楚楚,趙立宏.  智能計(jì)算機(jī)與應(yīng)用. 2019(02)
[2]圖像邊緣檢測算法研究新進(jìn)展[J]. 張紅霞,王燦,劉鑫,申楷赟,付秀娟,王學(xué)華.  計(jì)算機(jī)工程與應(yīng)用. 2018(14)
[3]醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J]. 江貴平,秦文健,周壽軍,王昌淼.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[4]高斯尺度空間下估計(jì)背景的自適應(yīng)閾值分割算法[J]. 龍建武,申鉉京,臧慧,陳海鵬.  自動化學(xué)報(bào). 2014(08)
[5]結(jié)合LOG算子和大津法的遙感影像邊緣檢測方法[J]. 劉劍飛,左小清,吳俐民,黃亮.  測繪科學(xué). 2015(01)
[6]改進(jìn)的分水嶺圖像分割算法[J]. 孫惠杰,鄧廷權(quán),李艷超.  哈爾濱工程大學(xué)學(xué)報(bào). 2014(07)
[7]基于改進(jìn)分水嶺和區(qū)域合并的彩色圖像分割[J]. 李占波,楊二偉,李進(jìn)文.  計(jì)算機(jī)工程與設(shè)計(jì). 2014(07)
[8]一種參數(shù)自適應(yīng)的簡化PCNN圖像分割方法[J]. 周東國,高潮,郭永彩.  自動化學(xué)報(bào). 2014(06)
[9]一種基于改進(jìn)Canny的邊緣檢測算法[J]. 許宏科,秦嚴(yán)嚴(yán),陳會茹.  紅外技術(shù). 2014(03)
[10]圖像去噪的自適應(yīng)非局部均值濾波方法[J]. 譚茹,李婷婷,李偉偉,傅博,宋傳鳴.  小型微型計(jì)算機(jī)系統(tǒng). 2014(01)

博士論文
[1]細(xì)胞圖像的分割、紋理提取及識別方法研究[D]. 李寬.國防科學(xué)技術(shù)大學(xué) 2012

碩士論文
[1]基于小波變換的圖像邊緣檢測[D]. 邢尚英.成都理工大學(xué) 2013



本文編號：3189231