基于稀疏表示和字典訓練的微血管分割方法研究.pdf

1、微血管的狀態(tài)信息與人體組織、器官代謝水平具有密切的關(guān)系，當微血管中血液流動的狀態(tài)出現(xiàn)異常時，可以合理的推斷出機體的某個部位發(fā)生了病變，因此，微血管信息具有重要的生理、病理、藥理和臨床意義。對微血管的識別研究也在各類疾病的早期診斷以及治療方面起著不可小覷的作用。同時，隨著計算機的高速發(fā)展，利用計算機來完成對數(shù)字圖像信息的處理和分析工作已變得十分常見，通過計算機對微血管數(shù)字圖像進行識別，不僅可以實現(xiàn)對生物體的零創(chuàng)傷，同時還可以加快數(shù)據(jù)的處理

2、速度，提高了處理效率，減輕了科研人員的壓力。因此，利用數(shù)字圖像處理技術(shù)完成對微血管的識別研究，在生物科學、醫(yī)學診斷等方面有著十分重要的意義。
　　本文從微血管圖像的特征以及圖像分割兩方面入手，首先研究了微血管圖像的特征以及常見的圖像分割方法，包括基于閾值分割，邊緣檢測，形態(tài)學運算以及區(qū)域生長四種方法，并實現(xiàn)了對金魚尾部微血管的分割。其次，本文學習了稀疏表示和字典學習理論。稀疏表示理論的應(yīng)用領(lǐng)域非常廣泛，如圖像壓縮，圖像去噪以及圖像

3、分割等，且都得到了較為優(yōu)質(zhì)的效果。因此本文在稀疏表示和字典學習理論的基礎(chǔ)上，學習了基于稀疏聚類的圖像分割方法，并建立了基于稀疏子空間聚類的圖像分割模型。該模型運用Ncut法對圖像劃分出N個超像素，然后應(yīng)用SAC算法計算每個超像素之間的相似性，并利用相似性矩陣求得系數(shù)矩陣A，運用系數(shù)矩陣A構(gòu)造圖像的鄰接矩陣W，最后再次運用Ncut方法對超像素進行劃分從而得到圖像的分割結(jié)果。最后以活體的非洲爪蛙作為實驗材料通過一系列的實驗完成了對微血管圖像

4、的采集，灰度變換，融合以及分割的處理。其中包括，運用灰度變換法將采集到的圖像轉(zhuǎn)換成灰度圖像，方便后續(xù)計算機的進一步處理;運用像素點選小融合法對轉(zhuǎn)換后的微血管灰度圖像進行融合處理，將所采集到的不連續(xù)的微血管圖像融合成一幅完整的微血管顯微圖像，從融合后的結(jié)果中可以清晰地看到一條連續(xù)的微血管脈絡(luò);運用基于塊稀疏子空間聚類模型對圖像進行分割處理，并將分割結(jié)果與前文提到的四種常用圖像分割方法做比較，可以明顯的看出，本文所使用的方法可以將微血管更加