基于數(shù)學(xué)形態(tài)學(xué)的細(xì)胞圖像分割技術(shù)研究.pdf

1、數(shù)學(xué)形態(tài)學(xué)以其嚴(yán)密的理論體系和直觀的幾何表示為圖像處理問(wèn)題提供了一種一致的有力方法?；跀?shù)學(xué)形態(tài)學(xué)的圖像分割是近年來(lái)圖像處理中的研究熱點(diǎn)之一。目前基于數(shù)學(xué)形態(tài)學(xué)圖像分割的研究主要集中在兩個(gè)方面：基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)和基于形態(tài)學(xué)分水嶺變換的區(qū)域分割算法改進(jìn)。本文圍繞這兩方面展開(kāi)深入研究，分別改進(jìn)了基于形態(tài)學(xué)重構(gòu)的細(xì)胞圖像邊緣檢測(cè)算法和基于形態(tài)學(xué)重構(gòu)與標(biāo)記的細(xì)胞圖像分水嶺分割算法，主要的工作和研究成果如下： 1．闡述了課題的研究

2、背景及意義，給出了圖像分割的有關(guān)概念，對(duì)目前細(xì)胞圖像分割的方法及國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了綜述性分析。介紹了數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)理論及形態(tài)學(xué)重構(gòu)的原理與應(yīng)用。 2．針對(duì)數(shù)學(xué)形態(tài)學(xué)簡(jiǎn)單開(kāi)閉運(yùn)算會(huì)導(dǎo)致邊緣信息的不連續(xù)，影響分割的精確度，利用形態(tài)學(xué)重構(gòu)運(yùn)算保持邊緣的良好特性，引入了形態(tài)學(xué)重構(gòu)濾波器，解決了簡(jiǎn)化圖像和保護(hù)邊緣這一矛盾。 3．針對(duì)形態(tài)學(xué)開(kāi)閉(閉開(kāi))重構(gòu)濾波應(yīng)用在嚴(yán)重噪聲污染細(xì)胞圖像上會(huì)導(dǎo)致濾波效果差的問(wèn)題，引入了連續(xù)開(kāi)閉(閉

3、開(kāi))重構(gòu)濾波方案，獲得了很好的效果。 4．針對(duì)形態(tài)學(xué)重構(gòu)中結(jié)構(gòu)元素難以選取的關(guān)鍵問(wèn)題，結(jié)構(gòu)元素選取太小，難濾除大的噪聲，結(jié)構(gòu)元素若取得過(guò)大，會(huì)破壞細(xì)胞的形態(tài)結(jié)構(gòu)，引入了多結(jié)構(gòu)元素自適應(yīng)迭代膨脹的結(jié)構(gòu)元素選取方法，可以很好韻解決這一問(wèn)題。結(jié)合上述優(yōu)點(diǎn)，提出基于形態(tài)學(xué)重構(gòu)的多結(jié)構(gòu)元多路加權(quán)邊緣檢測(cè)算法。通過(guò)實(shí)驗(yàn)證明，該細(xì)胞圖像邊緣檢測(cè)新方法在提取圖像的邊緣效果和濾除偽邊界方面優(yōu)于傳統(tǒng)的邊緣檢測(cè)方法。并與參考文獻(xiàn)[59]所采用的區(qū)域形

4、態(tài)學(xué)運(yùn)算的邊緣檢測(cè)方法進(jìn)行實(shí)驗(yàn)結(jié)果比較，本文提出的算法其實(shí)驗(yàn)結(jié)果具有明顯的優(yōu)勢(shì)。 5．對(duì)分水嶺分割算法進(jìn)行深入研究，借鑒形態(tài)學(xué)重構(gòu)思想，針對(duì)傳統(tǒng)分割方法的“過(guò)分割”問(wèn)題，改進(jìn)了基于形態(tài)學(xué)重構(gòu)與標(biāo)記的細(xì)胞圖像分水嶺分割新算法。引入形態(tài)學(xué)重構(gòu)作為分割前的預(yù)處理，該算法計(jì)算復(fù)雜度較低、參數(shù)選取簡(jiǎn)單，大大改善了分水嶺算法的過(guò)分割問(wèn)題。本文所提出的算法與另外三種經(jīng)過(guò)改進(jìn)的分水嶺分割算法進(jìn)行實(shí)驗(yàn)結(jié)果比較，本文提出的算法可以得到更為準(zhǔn)確的分割