基于改進分水嶺算法的細胞圖像分割.pdf

1、不同的細胞具有不同的形態(tài)結(jié)構(gòu)，一個生物細胞圖像中包含有多種生物信息。為了準確的描述和分析這些信息，就要對生物細胞圖像進行定量的分析。不同的細胞圖像呈現(xiàn)的形狀特征也各不相同，因此，在對細胞圖像進行分析研究的時候，要根據(jù)不同的需要提取感興趣的目標。這就為細胞圖像分割技術(shù)的發(fā)展奠定了基礎。利用圖像的分割技術(shù)，可以有效地提取細胞結(jié)構(gòu)的各種結(jié)構(gòu)，從而進行下一階段的分析。所以，圖像的分割技術(shù)是圖像處理和分析中的重點，是為圖像的分析階段提供準備。

2、r>　　 隨著醫(yī)學圖像處理和分析技術(shù)的發(fā)展，醫(yī)學圖像的分割技術(shù)也得到了快速的發(fā)展。在現(xiàn)有的人們提出的多種分割算法和研究中，沒有一種算法是可以通用的。其原因在于，在在實際的應用中，醫(yī)學圖像具有及其繁雜的多樣性和復雜性。對于不同的醫(yī)學圖像，人們想要提取的細節(jié)目標各不相同，用不同的方法得到的醫(yī)學圖像其性質(zhì)也不同。所以，目前已有的分割方法多是各種分割方法的綜合運用。針對不同的圖像的特點，有目的的對圖像進行具體的分割。
　　 形態(tài)學分水

3、嶺算法是較為常用的分割方法。由于分水嶺算法運用的是圖像的灰度梯度，所以對噪聲比較敏感，直接運用分水嶺算法分割圖像，容易造成過度分割。因此，為了解決過度分割的問題，人們往往結(jié)合其它的分割方法對圖像進行預處理或者是分割后進行區(qū)域融合。
　　 本文針對醫(yī)學細胞圖像的特點，在形態(tài)學分水嶺算法的基礎上，對分水嶺算法提出改進。結(jié)合形態(tài)學基本運算，運用交替序貫濾波對圖像進行濾波處理，采用多尺度形態(tài)梯度代替形態(tài)學梯度。利用開重建，減少極小值標記