搜索
1：牛乳体细胞的分割：问题：而牛乳体细胞结构复杂、大小不一，伴随严重的粘连、重叠现象，直接导致体细胞分割的准确性降低，对后续的识别、分析工作产生影响。清晰度处理：首先用K-means方法把目标图像变换成仅含有细胞核、细胞浆和背景的三值灰度图，提取出体细胞图像(细胞核、细胞浆)。用数学形态学算子对目标图像的二值图进行预处理，消除噪声与碎片，填补空洞、平滑边缘。最后采用距离变换和基于图像重构的分水岭算法对图像进行分割，实验结果表明此算法对粘连牛乳体细胞图像的分割效果明显，基本解决了分水岭算法中的过分割问题，为后续的图像分析与细胞计数提供了有效的方法策略。2、基于多边形近似的重叠蛋白质点分割方法研究：问题:二维凝胶图像电泳过程中可能出现蛋白质点重叠和堆聚的现象，处理：文章利用图像处理与分析技术设计了一种有效重叠蛋白质点分离的算法：现有的蛋白质点检测方法主要可以分为基于模型、基于分割以及基于特定新理论的检测方法。其中基于模型的方法是采用某种数学模型，如高斯函数和扩散函数，拟合蛋白质点的灰度值，从而得到蛋白质点的边界和体积，实现蛋白质点的检测‘21。基于分割的方法是将凝胶图像分成多个小区域，每个区域理论上只包含一个蛋白质点i=i。基于特定新理论的检测方法，如基于水平集的检测方法，利用这一数学理论对能量函数进行极小值求解的曲线演化过程，最终获得目标轮廓边缘从而进行蛋白质点检测‘}i。已有的蛋白质点检测方法未能很好的分离重叠蛋白质点，文章提出一种基于最小周长多边形近似}5}CMinimumPerimeterPolygon,Ml'.的重叠蛋白质点分割方法，用逼近蛋白质点数字边界的多边形来近似表示蛋白质点边界，再利用凹点匹配对得到的近似多边形的顶点进行匹配连线，达到有效分离重叠蛋白质点的效果3、牛乳体细胞计数系统的研究与设计在牛乳体细胞计数方面存在的问题(1)针对牛乳体细胞计数的研究比较少，没有形成完整的系统;(2)专业性很强，要求工作人员具备较为丰富的专业知识和观察经验;(3)工作强度很大，由于计数方法和设备的落后，导致计数人员负担非常重，并且在疲劳的状态下很容易判断失误，使得准确率减低;(4)传统的计数方法速度非常慢，完全不能够与计算机的计数速度相比;(5)目前用于细胞计数的仪器仪表大多成本较高，价格昂贵，有些仪器的结构非常复杂，操作上存在困难。方法对比：阑值分割方法中选定K-means方法，区域分割中选定区域生长算法，边缘检测分割中由于效果非常类似，所以随意选择一种，在对比时选定的是Sobel算子。如图23所示，对比二种分割方法可以看出，区域生长方法对原图像中的重要信息的改变较大，而且产生了较多噪声;Sobel算子分割方法虽然比区域生长方法效果要好，但在分割的过程中，尤其在目标物的边缘出现了一些小噪声，而且与K-means相比，后者的图像信息保留的更加全面。4：基于收敛指数的显微图像中细胞检测计数：问题：细胞检测与计数人们己经提出了多种方法来辅助完成此类工作，然而这些方法在检测精度、种类和效率等方面仍有很大不足。处理：针对明亮视野中的昆虫细胞，提出一种新型细胞检测计数方法，用来解决杆状病毒表达体系的宿主细胞大规模培养过程中细胞计数问题。首先比较明暗视野下细胞图像灰度梯度向量的分布特点，基于滑动带滤波，我们调整收敛指数的计算方式，使其适应明亮视野下细胞结构，实现增强细胞中心来对细胞进行检测计数。性能分析显示，我们提出的方法在错误率和精度上面与人工计数接近，同时对细胞生长曲线的绘制也能为生物实验工作人员提供准确的细胞生长轨迹，证明了该方法可以应用于昆虫细胞培养工作中，对提高整个过程的操作效率带来的极大的帮助。5：一种强粘连与畸变巨噬细胞图像的分割方法：问题：针对强粘连巨噬细胞图像难分离和畸变细胞易过分割的问题，提出了一种结合多种图像处理技术的混合分割方法。处理：首先使用高/低帽变换增强灰度图像的对比度;然后基于优化种子点重构距离图像，在重构距离图的基础上使用分水岭变换获得初始分割结果;最后结合人眼对区域相似性的实际感知定义了融合灰度距离、方差和边缘信息的综合相似性准则，根据综合相似性准则进行区域合并得到最终分割结果。仿真结果对比表明，新设计的方法不仅能够成功分离强粘连细胞而且能有效抑制畸变细胞由于形状不规则而产生的过分割，错分率更小，与人工标注的分割结果更为接近。6：红细胞显微图像处理方法研究：研究成果：2006年，清华大学的康维、欧阳成等人基于数学形态学算法，利用分水岭变换和K一均值聚类对彩色细胞显微图像进行聚类，粗略估计出图像的背景区域、细胞质、细胞核。再对图像进行形态滤波和分水岭变换，最终提取出图像中细胞质和细胞核的边界，很好的完成了细胞分割的任务，同年，同济大学的丛培盛、孙建忠为实现医学临床显微图像自动快速分析，通过先将二值化后的图像进行距离变换，然后采用快速灰度重建算法重建距离变换后图像，最终用分水岭算法分割变换图像，有效地避免了为防止过分割而提取分水岭标记点过分依赖于图像先验知识的缺陷，实现自动探测目标细胞并分割重叠细胞，并使其适合于临床对算法速度的要求。2008年，内蒙古农业大学的薛河儒在数学形态学运算和分水岭算法的基础上提出了一种新的彩色图像分割方法WHF2D，并应用于牛乳体细胞彩色图像的分割，该方法首先在各二维空间对彩色图像进行基于直方图的快速分割，然后利用融合技术将3个结果结合在一起，形成了高效、准确的彩色图像分割方法。在相同条件下该方法比在三维空间利用WH3D法直接对彩色图像进行处理效率提10倍，而分割结果并无显著差别。2010年，华南理工大学的葛慧娜对标准粒子群算法进行改进，一是根据粒子的进化速率，自动调节惯性权重;二是当粒子进化停滞时，使不优良的粒子发生突变，进而搜索到其他区域的改进算法。改进后的粒子群优化算法有效的克服了标准粒子群算法容易陷入局部最优的问题，而且提高了收敛速度，在对医学显微图像处理中取得了很好的分割效果2012年，内蒙古农业大学的翟成裙对具有复杂背景的彩色淋巴结细胞显微图像的分割问题进行了研究，综合运用基于相似度的自动种子像素选取、双边滤波、模糊C均值聚类(FCM)、凹点搜索、分水岭分割等算法对淋巴结细胞显微图像进行分割，取得了良好的分割效果7：对粘连细胞图像的计数及分割研究：背景：随着计算机技术的发展，计算机图像处理与分析技术在临床诊断和治疗中起着越来越重要的作用。数字图像处理、模式识别技术现在已经被广泛地应用于显微生物医学领域。利用计算机进行医学细胞图像处理与分析，可以比目视的分析与研究方法更精确，减少主观干扰。处理：利用计算机对医学细胞图像进行处理与分析，主要包括图像采集、图像的预处理、图像分割、特征提取、特征分析、输出结果等。而为了能够对细胞图像进行准确的数据分析，关键是要对图像进行正确的分割，分割结果的质量直接影响到以后的图像分析、识别和解释的质量，具有重要的意义，这也是对细胞图像进行自动判读与分析的难点，也是最关键的步骤。然而，尽管众多国内外科学家对图像分割进行了广泛深入的研究，提出了大量的卓有成效的分割算法，但仍没有一种方法对所有测试图像分割效果均为最佳。本文采用了一种基于距离变换的分割方法对粘连细胞图像进行计数和分割。该方法避免了传统分水岭算法的过分割的问题，取得了较好的分割效果。8畸变粘连细胞的高精度图像分割模型仿真：背景畸变粘连细胞图像识别技术在提高病情诊断和手术成功率方面具有重要的意义[i7，它涉及到计算机技术、图像技术和细胞学等多学科技术，具有广阔的发展前景[Czl畸粘连细胞图像识别主要包括图像采集、图像分割、特征提取和细胞图像识别等4个过程口。其中，畸变粘连细胞的分割方法是核心部分，畸变粘连细胞与正常细胞的分割的精度是影响识别准确性的主要因素。但是，由于受到畸变粘连细胞图像复杂性的约束[Cal，当前的细胞图像分割方法仍然难以适用于畸变粘连细胞的图像分割，其复杂性约束条件主要有以下两点:①对于正常细胞和畸变粘连细胞，其细胞核和细胞浆的形态和颜色除了存在较大差异外，还存在重叠和粘连的现象;②图像采集设备受到光照等外界条件干扰因素导致采集到的细胞图像复杂化因此，畸变粘连细胞图像分割方法一直以来都是医学领域的一个难点问题处理针对这一难点问题，很多学者都进行了深入的研究，并且取得了一定的研究成果冈。目前，主要的畸变粘连细胞分割方法包括基于EM模型的细胞图像分割方法、基于改进Meanshift算法的细胞分割方法和基于模糊C均值算法的细胞分割方法U7等，其中应用最广泛的是基于EM模型的细胞分割方法。由于畸变粘连细胞分割方法在现代医学领域具有无可替代的作用，因此，越来越多的科研单位已经开始对此进行重点研究。但是，上述畸变粘连细胞图像分割方法仍然存在一些不足。基于EM模型的细胞分割方法对于图像中的初始细胞轮廓要求较高;基于改进Meanshift算法的细胞分割方法无法充分利用细胞图像的色彩信息，对于差异性较小的畸变粘连细胞图像分割效果较差;基于模糊C均值算法的细胞分割方法对于光照等外界因素过于敏感。这主要是因为当前的细胞图像分割技术都是利用边缘像素的差异性特征进行分割，只考虑了细胞之间的挤压形变，没有考虑细胞本身非正常变异带来的形状畸变。利用传统的像素分割方法进行分割的过程中，由于细胞畸变、粘连使得分割阀值很难被准确界定，细胞分割精确度降低。针对上述传统方法的弊端，提出一种基于自适应阀值的畸变粘连细胞图像分割方法。对畸变粘连细胞图像进行H分量直方图变换，在进行归一化处理的同时进行平滑处理，利用最大类间方差法搜寻最优分割阀值，得到准确的分割结果。实验结果表明了改进算法的优越性。