基于聚類(lèi)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(guò)程中，顯微細(xì)胞圖像的分割是一個(gè)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(cè)方面，它節(jié)省了大量的人力，并且提供相對(duì)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(duì)顯微細(xì)胞圖像中的細(xì)胞進(jìn)行提取的過(guò)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(jiàn)的幾種顯微細(xì)胞圖像分割方法的主要思想和優(yōu)缺點(diǎn)。實(shí)驗(yàn)證明，針對(duì)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(wèn)題，常見(jiàn)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(guò)分割等現(xiàn)象。同時(shí)常見(jiàn)的幾種顯微細(xì)胞圖像分割方法，通常只能針對(duì)一種類(lèi)型的顯微細(xì)胞圖像進(jìn)行分割，對(duì)于多類(lèi)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(duì)于上述問(wèn)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(duì)于細(xì)胞和背景對(duì)比度小，細(xì)胞形態(tài)差異過(guò)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(cuò)分率，因此需要對(duì)其進(jìn)行研究改進(jìn)

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(diǎn)，主要的創(chuàng)新工作有兩點(diǎn)：
　?、偬岢隽艘环N基于聚類(lèi)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(duì)訓(xùn)練樣本進(jìn)行聚類(lèi)，然后分別統(tǒng)計(jì)各類(lèi)樣本細(xì)胞點(diǎn)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(guò)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(duì)比實(shí)驗(yàn)證明，該方法在對(duì)顯微細(xì)胞圖像進(jìn)行分割時(shí)，具有一定的通用性