局部自适应的细胞图像分割方法

上传者：孟爽
|
上传时间：2015-05-04
|
密次下载

局部自适应的细胞图像分割方法

第２５卷第２期２００５年４月杭州电子科技大学学报Ｊ哪丑ｌ０ｆＨ肌ｇｄＩ叫Ｄｉａ吡ｉＵｎｉｖｅ墙ｉｌｙＶｏＩ．２５．Ｎｏ．２＾ｐｒ．２００５局部自适应的纽胞图像分割方法陈宇，庞全（杭州电子科技大学自动化学院，浙江杭州３ｌ００１８）摘要：针对单一的全局阈值分割方法不能适用于复杂多目标图像的目标提取，该文提出了一种基于局部自适应多阈值的分割算法。该算法的基本思想是将首次分割得到的目标区域按照一定准则进行划分，分为已经正确提取的目标细胞和包含有多个细胞及部分背景的模糊区域，然后将各个模糊区域作为子图像分别进行再次分割，从中提取出目标细胞。实验结果表明，该算法能够稳定地实现目标分割提取，具有较好的鲁棒性。关键词：局部自适应；多阈值；图像分割中图分类号：珊９１．４文献标识码：Ａ文章编号：１００ｌ一９１４６（２００５）０２—００５７一０４Ｏ引吾．图像分割中常用的有阈值分割、边缘检测、区域提取等几种方法【ｌ】。单独的边缘检测只能产生边缘点，而不是一个完整意义上的图像分割过程；边缘点信息需要后续处理或与其它分割算法结合起来，才能完成分割任务，因此带来算法复杂性提高，图像处理时间过长等问题，目前还难以满足实时、快速的实际应用需求。基于阈值分割的方法，具有算法简单、且总能用封闭而且连通的边界来定义不交叠的区域的优点，因而得到了较为广泛的应用。传统阈值化方法往往是根据某种特定算法，如最大类间方差法（ＯＴＳｕ法）、迭代法、最大熵法等等，计算出单个的全局阈值来对整幅图像进行一次的分割与提取。这种全局阈值对于背景与目标的灰度存在差异的情况下，根据准则条件能计算出一个最优值来对图像进行理想分割。但是，对于细胞图像而言，由于受到光照等外部因素以及细胞培养溶液自身的混合均匀度，霉菌干扰等内部因素的影响，一般具有如下的形态特征：（１）目标与背景的平均灰度分离性低；（２）在整幅图像中，灰度呈现明显的不均匀性。在一个小的局部范围里，目标与背景之间存在灰度差异，但在更大区域中，细胞灰度与背景灰度呈现相近或者相等的交织状态。这时，单一的全局阈值可能在某些区域中适用，但却不能适用于别的区域，简单采用全局阈值的分割方法难以将所有的目标细胞准确提取出来［２】。针对这种情况，本文提出了一种自适应局部阈值分割算法。１局部自适应算法自适应局部阈值算法基于以下两点假设（为了讨论方便，假定细胞图像中目标灰度相对较低）：收稿日期：２００４一０８一１５基金项目：浙江省自然科学基金资助项目（ｚＤ０２０５，６０２１２７）作者简介：陈宇（１９７７一），男，湖南湘潭人，在读研究生，图像处理与模式识别
　　万方数据

教育资源为主的文档平台

文档分类