組織細(xì)胞圖像分割算法研究.pdf

1、本文首先介紹了圖像分割的基本概念，闡述了圖像分割和其他圖像技術(shù)的相互關(guān)系以及圖像分割在組織細(xì)胞圖像分析系統(tǒng)中的作用。第二章中，介紹了傳統(tǒng)圖像分割算法的幾種分類(lèi)方式，并按分割原理的分類(lèi)方式詳細(xì)介紹了閾值分割算法、區(qū)域生長(zhǎng)算法和分水嶺分割算法這三種分割算法的實(shí)施方案，并分別闡述了它們?cè)诮M織細(xì)胞圖像分割中的應(yīng)用，對(duì)分割結(jié)果進(jìn)行了比較分析。在第三章中，重點(diǎn)對(duì)圖像簡(jiǎn)化中的數(shù)學(xué)形態(tài)學(xué)和分割后的合并準(zhǔn)則進(jìn)行了介紹和分析，得出了常用的以面積、灰度為

2、基準(zhǔn)的合并準(zhǔn)則在針對(duì)組織細(xì)胞圖像時(shí)不太適合。提出基于共生矩陣的紋理特征合并算法，以改進(jìn)傳統(tǒng)的合并準(zhǔn)則。該算法的提出，彌補(bǔ)了分水嶺分割算法中誤分割、漏分割、過(guò)分割的缺點(diǎn)，提高了分割的準(zhǔn)確性。在第四章中，針對(duì)具有內(nèi)質(zhì)可見(jiàn)性特征的組織細(xì)胞圖像，其分割后總是存在細(xì)胞邊界與原圖比較定位不精確的缺陷，提出了基于邊緣檢測(cè)理論和輪廓提取理論的分割算法。這種分割算法解決了一般分割算法在分割后的細(xì)胞邊界與原圖比較定位不精確的缺點(diǎn)，從而為后續(xù)的組織細(xì)胞圖像