醫(yī)學細胞顯微圖像預處理及分割技術的研究.pdf

1、現(xiàn)如今醫(yī)學圖像技術的快速發(fā)展，使得醫(yī)生在診斷中所獲得信息量增加，同時醫(yī)生對大量圖像信息的識別工作加重，所以細胞圖像的分割變得越來越重要。近些年來模式識別和人工智能等技術被廣泛的應用在醫(yī)學診斷領域中，并成為該領域中熱門的研究課題。在研究圖像的過程中首先是對整幅圖像進行預處理操作即除去圖像中存在的噪聲來提高圖像的信噪比，從而為后續(xù)的處理做好準備工作。圖像預處理技術主要是對整幅圖像在正式處理之前的一系列的操作，這主要是因為圖像信息在傳輸和存儲

2、的過程中很容易受到諸如光電轉(zhuǎn)化、電磁干擾的影響使得破壞圖像原本的信息。
　　本文主要是針對醫(yī)學細胞圖像的分割技術展開研究，提出一種自適應閾值Canny算子邊緣檢測算法，同時使用基于垂直結構的結構元素采用復合的運算方式進行去噪處理，以及針對細胞圖像存在粘連的情況改進原有分水嶺算法從而對粘連細胞進行分割處理。主要工作如下:
　　1、分析研究圖像預處理技術、圖像分割技術、圖像識別相關技術以及圖像理解的相關知識，通過編程實現(xiàn)了常用的

3、圖像處理算法。
　　2、通過對數(shù)學形態(tài)學算法的分析和研究得知該算法在去噪準確性和運行時間上都存在缺陷和不足，由此提出一種基于垂直結構和復合多角度運算的數(shù)學形態(tài)學去噪算法，使得去噪效果變得更加準確并且算法的運行時間有明顯的縮短。
　　3、針對傳統(tǒng)Canny算子在去噪上存在邊緣模糊度增加和算法的運算效率低以及通過人工選取高低兩個閾值使邊緣檢測的誤差增大的弊端，提出一種將改進后的數(shù)學形態(tài)學抗噪算子應用到Canny算子邊緣檢測算法中