基于改进分水岭方法的癌细胞图像分割技术.doc

分类号：TP391.1UDC：D10621-408-（2012）0670-0密级：公开编号：2008023005成都信息工程学院学位论文基于改进分水岭方法的癌细胞图像分割技术论文作者姓名：张春香申请学位专业：生物医学工程申请学位类别：工学学士指导教师姓名（职称）：赵旭论文提交日期：2012年06月01日独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得成都信息工程学院或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名：日期：2012年06月09日关于论文使用授权的说明本学位论文作者完全了解成都信息工程学院有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权成都信息工程学院可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）签名：日期：2012年06月09日基于改进分水岭方法的癌细胞图像分割技术摘要细胞识别系统是针对癌变组织来分割粘连的细胞，用来进行细胞识别，获取它们的个数，面积，周长等特征。但是在获取癌细胞图像的过程中，由于很多外在和人为的因素，会存在细胞粘连在一起、并且分布不均的情况。那么就对后续的研究造成了很大的困难。传统的分水岭算法在图像分割时，对噪声极为敏感和易于出现过分割。量化误差、噪声及梯度纹理的局部不规则均会使在后面分割时许多的过小封闭区域,容易丢失细胞的重要轮廓。针对以上问题，本人在传统分水岭的基础上，实现了一种解决此问题的有效方法。一、通过中值滤波器滤除部分噪声，再使用形态学滤波平滑图像。二、求出形态学图像梯度，再进行开闭重建修正梯度，在去掉噪声和纹理细节的情况下保存癌细胞的重要梯度轮廓。三、对重建后的图像梯度采用极小值标记的分水岭变换。四、对分割好的细胞进行数目，面积，周长等特征的计算。该方法能有效抑制过分割，有较好的效果。关键词：形态学滤波；梯度；分水岭；统计计算CancercellimagesegmentationtechniquebasedonimprovedwatershedalgorithmAbstractCellidentificationsystemisusedtosplittheoverlappedcellsincanceroustissue.Usedforcellrecognition,andgettheirnumber,area,perimeter,andothercharacteristics.Butmostlyintheprocessofgettingthecancercellimage,duetoexternalandanthropogenicfactors.Therewillbecellsticktogetherandtheunevendistribution,thencausedalotofdifficultiesonthefollow-upstudy.Thetraditionalwatershedalgorithmisextremelysensitivetothenoiseinimagesegmentation,andcausetotheover-segmentation.Quantizationerror,noiseandthepartialirregularoftexture'sgradientcanformatenumeroussmallclosedregions.Sothevitalcontourofcellslosemoreeasily.Inviewoftheaboveproblems.Basedonthetraditionalwatershedalgorithm.Aeffectivewaytosolvetheproblemwasimplemented.First,usethemedianfiltertofilteroutthenoise,thensmoothingtheimagethoughthemorphologicalfilter.Second,calculatethemorphologicalgradient,openingandclosingbyreconstructionwasperformedtorevisethegradient.Third,thewatershedtransformofthegradientimageafterreconstructionbyusingminimummarker.last,calculatethenumberofthecellaftersegmentation,theareaandsoon.Themethodcaneffectivelyrestraintheover-segmentation.Ithasagoodeffect.Keywords:Themorphologicalfilter;thegradient;thewatershedalgorithm;statisticalcalculation目录1引言..............................................................11.1课题背景.....................................................11.2本课题研究现状...............................................21.3本课题研究的意义.............................................31.4本课题的主要内容.............................................32癌细胞图像改进的分水岭分割........................................42.1分水岭基本思想...............................................42.2分水岭实现原理...............................................42.2.1模拟浸水的过程原理.......................................52.2.2模拟降水的过程原理.......................................52.3图像预处理技术...............................................52.3.1灰度形态学开闭滤波器.....................................52.3.2开闭滤波器的改进算法.....................................72.4形态学梯度...................................................92.4.1形态学梯度...............................................92.4.2形态学图像重建..........................................102.5分水岭分割..................................................112.5.1修改标记符梯度图的分水岭变换............................122.5.2具体实现步骤............................................132.6细胞形态学特征计算..........................................133实验仿真结果分析.................................................144结论.............................................................234.1全文总结....................................................234.2全文展望....................................................24参考文献............................................................25致谢............................................................2611引言1.1课题背景图像分割近年来在医学领域的运用越来越广泛，对癌细胞的分析处理是医学图像分割的一个典型例子，在临床诊断拥有重要的意义。细胞图像分割是对细胞图像分析的基础和关键，也是处理医学图像的重要一环。但在癌细胞图像切片获取的过程中，癌细胞图像会存在边缘模糊和噪声较大、同时目标和背景的对比度较差的特点。对于医生对疾病的诊断，判断健康状况极为不利。由于细胞的特殊性，会存在多个细胞粘连在一块，聚堆成较大区域的现象。为后续的对细胞图像进行统计细胞数目，计算各个细胞面积、周长造成了比较大的难度。医学图像分割目前经过多年来的广泛深入研究，多种方法被提出。基于边缘的分割法，基于阈值的分割法，基于能量泛函的分割方法，基于区域的分割法以及分水岭算法。其中分水岭算法是一种被广泛应用的基于数学形态学的图像分割方法。具有边界定位准确，即独特的区域边缘定位能力。拥有计算速度快，算法易于实现，分割精度高，产生的边界是单像素宽度等各种优点，被运用到医学图像分割中。然而对于传统的分水岭算法一个不良的缺点就是易于产生过分割问题。主要原因：1、对噪声敏感，受内部局部纹理的影响，会使检测到的局部极值过多，从而形成大量封闭的细小区域。2、让输入的图像是梯度图像，图像不经过预处理进行分水岭，图像中的噪声会直接影响后续的分割效果。3、对于医学癌细胞图像有对比度很差的特点，易丢失细胞的重要轮廓。目前的研究来看，主要有两类解决办法去抑制过分割。一是在细胞分割之前对图像做预处理，在对处理后的图像目标进行标记提取。二是对分水岭分割后的结果进行区域融合，但是融合的区域数目较大，过程中的计算量也较大，并且十分耗时。因此本文实现了一种改进分水岭算法。在图像分割之前进行预处理，通过中值滤波器滤除部分噪声，再通过形态开闭滤波器平滑图像，保留图像的重要轮廓而去除易造成过分割的噪声和细节。提取出目标的形态学梯度，同时对梯度进行阈值优化。标记出所需要的目标，利用标记对梯度进行修正。最后对修正优化后的梯度图像再进行分水岭分割。后续再对细胞的特征做分析。21.2本课题研究现状针对传统的分水岭变换有过分割问题，很难拥有我们想要的满意的分割结果。很多学者结合自己的研究，提出了很多改进的方法。就目前进展来看，主要在4类方法中改进：1、预处理滤波2、区域合并3、标记4、其他。在预处理滤波期间，由于图像本身具有的噪声和纹理量化误差。传统分水岭被运用在分割时，会在大边缘包围的区域分割形成很多细小的区域，因此就在真正的边缘中出现了许多的虚假的边缘。那很多学者在预处理方面做了深入的研究，同时配合实验操作，取得了较好的实验效果。比如：康维等人先使用形态学滤波的方法滤除原图中离散的细胞核点的同时也包括了细胞核其中的孔洞，随后应用分水岭算法对重叠细胞进行分割，结果显示算法能提取理想的细胞组织边界。潘婷婷等人针对卫星图像中道路的基本特征，考虑到提取道路信息的不易，她运用高通滤波器对原始图像进行去噪和平滑，取得了很好的效果。在改进算法中避免了过分割问题。