基于模板匹配的顯微細(xì)胞圖像分割算法的研究和改進(jìn).pdf

1、顯微細(xì)胞圖像分割算法是細(xì)胞分類(lèi)識(shí)別和定量分析的基礎(chǔ)和重要問(wèn)題，它在許多科學(xué)和臨床應(yīng)用中扮演著重要的角色。細(xì)胞圖像分割是使用某種算法，將細(xì)胞從背景區(qū)域中分割出來(lái)。假如分割出的目標(biāo)對(duì)象是單個(gè)細(xì)胞，可進(jìn)一步將細(xì)胞質(zhì)和細(xì)胞核分開(kāi)；如果分割出的對(duì)象是粘連細(xì)胞，就需要先把這些粘連細(xì)胞分開(kāi)，然后再將細(xì)胞質(zhì)和細(xì)胞核分開(kāi)。鑒于細(xì)胞染色過(guò)程和涂片制片方法有很大的不同，并且細(xì)胞圖像中存在復(fù)雜的形態(tài)，許多計(jì)算方法已經(jīng)被開(kāi)發(fā)出來(lái)并應(yīng)用于細(xì)胞圖像分割中。目前所提出

2、的大量細(xì)胞圖像分割算法，在一些光照均勻、背景簡(jiǎn)單或者只是存在單個(gè)細(xì)胞的圖像中分割效果很好。但對(duì)于光照不均勻、背景復(fù)雜、邊界模糊以及存在重疊細(xì)胞的圖像中分割效果卻不是很好。所以研究更為智能更為普適的分割算法尤為重要。
　　2013年由C.Chen提出了通過(guò)模板匹配來(lái)分割顯微細(xì)胞圖像，該算法在顯微細(xì)胞圖像分割中具有很好的通用性。從該算法的實(shí)驗(yàn)結(jié)果中可以看出，該算法所獲得的細(xì)胞邊界與實(shí)際細(xì)胞邊界比較吻合。對(duì)于光照不均勻及含有粘連的細(xì)胞圖

3、像，也能得到很好的細(xì)胞邊緣。然而它的缺點(diǎn)是相對(duì)于其他顯微細(xì)胞圖像分割算法，平均分割每幅細(xì)胞圖像所用的時(shí)間過(guò)長(zhǎng)，造成算法的執(zhí)行效率不高。
　　本文針對(duì)C.Chen所提出的模板匹配顯微細(xì)胞圖像分割算法（CellImageSegmentationAlgorithmbasedonTemplateMatching，簡(jiǎn)稱(chēng)TM）存在執(zhí)行效率不高的問(wèn)題，進(jìn)行了一系列有針對(duì)性的研究和改進(jìn)。主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　①提出了基于模板集精簡(jiǎn)

4、的改進(jìn)TM顯微細(xì)胞圖像分割算法（TemplateSetReduced_TM，簡(jiǎn)稱(chēng)TSR_TM）。新算法針對(duì)TM算法在創(chuàng)建模板集時(shí)會(huì)產(chǎn)生較多冗余模板的問(wèn)題，在深入分析產(chǎn)生冗余模板原因的基礎(chǔ)上，通過(guò)提取模板集的形狀特征，并計(jì)算其相似度，然后在不影響圖像分割準(zhǔn)確率的情況下，剔除模板集中相似度過(guò)高的模板來(lái)精簡(jiǎn)模板集。從而縮減了分割圖像所使用的時(shí)間，提高了算法的執(zhí)行效率。
　?、谔岢隽嘶谄骄０迤ヅ浜头N子點(diǎn)最優(yōu)位置選取的改進(jìn)TM顯微細(xì)胞圖

5、像分割算法（AverageTemplateMatchingandSeeds’OptimalLocationSelection，簡(jiǎn)稱(chēng)ATM_SOLS）。新算法通過(guò)將TM算法所產(chǎn)生的模板集更換為平均模板在大小和方向上做相應(yīng)調(diào)整的模板集，從而更大力度地縮減了模板集，并且通過(guò)改進(jìn)圖像分割過(guò)程中種子點(diǎn)的選取方法，保證了算法的分割準(zhǔn)確率。該算法在不影響圖像分割準(zhǔn)確率的情況下，更大程度地縮減了圖像的分割時(shí)間，提高了算法的執(zhí)行效率。
　　③對(duì)上述