基于聚類的模板匹配顯微細(xì)胞圖像分割算法的研究.pdf

1、在醫(yī)學(xué)圖像處理過程中，顯微細(xì)胞圖像的分割是一個十分基礎(chǔ)而必不可少的步驟。尤其在醫(yī)學(xué)診斷和疾病檢測方面，它節(jié)省了大量的人力，并且提供相對客觀的分割結(jié)果。顯微細(xì)胞圖像分割是根據(jù)顯微圖像中細(xì)胞的灰度，形狀，紋理等特征，對顯微細(xì)胞圖像中的細(xì)胞進行提取的過程。迄今為止，大量的顯微細(xì)胞圖像分割方法已被提出，本文回顧了常見的幾種顯微細(xì)胞圖像分割方法的主要思想和優(yōu)缺點。實驗證明，針對細(xì)胞圖像中細(xì)胞的特性，樣本制作以及細(xì)胞邊界模糊等問題，常見的幾種顯微細(xì)

2、胞圖像分割方法的分割性能較差，存在明顯的假邊緣，細(xì)胞內(nèi)部區(qū)域空洞，過分割等現(xiàn)象。同時常見的幾種顯微細(xì)胞圖像分割方法，通常只能針對一種類型的顯微細(xì)胞圖像進行分割，對于多類型的顯微細(xì)胞圖像分割，不具有通用性。因此引出模板匹配方法的算法框架，該算法框架對于上述問題，不僅可以得到很好的分割結(jié)果，而且能夠更加貼合細(xì)胞的邊緣。但是對于細(xì)胞和背景對比度小，細(xì)胞形態(tài)差異過大的顯微細(xì)胞圖像，模板匹配方法的算法框架存在較高的錯分率，因此需要對其進行研究改進

3、。本文以模板匹配的顯微細(xì)胞圖像分割為研究的切入點，主要的創(chuàng)新工作有兩點：
　?、偬岢隽艘环N基于聚類的模板匹配顯微細(xì)胞圖像分割方法。首先利用小波不變矩提取樣本細(xì)胞的形狀特征，對訓(xùn)練樣本進行聚類，然后分別統(tǒng)計各類樣本細(xì)胞點的紋理和形狀的主要變化，產(chǎn)生一系列的細(xì)胞模板集。最后，通過歸一化相關(guān)系數(shù)的最大化，在顯微細(xì)胞圖像中找到細(xì)胞與模板匹配的最佳位置，從而達(dá)到分割圖像的目的。對比實驗證明，該方法在對顯微細(xì)胞圖像進行分割時，具有一定的通用性