一种拐点的细胞分裂检测方法
目录
摘要 I
Abstract II
一.绪论 1
1.1论文的选题背景和意义 1
1.2细胞图像分割研究现状 2
1.3拐点的发展历史及介绍 3
1.4论文结构 4
1.5本章小结 4
二.总体方案设计 5
2.1 设计思路 5
2.2图像预处理 6
2.2.1图像形态学处理 7
2.3拐点检测 7
2.3.1拐点检测技术 8
2.4相似性度量 9
2.5方案分析 9
2.6本章小结 10
三.图像分割的处理方案 11
3.1图像分割的定义 11
3.2图像分割 11
3.2.1基于区域的分割方法 11
3.2.2基于边缘检测的分割方法 13
3.2.3基于特定理论的分割方法 14
3.3分割方法比较分析 15
3.7本章小结 16
四.仿真和分析 17
4.1仿真平台 17
4.1.1硬件设备 17
4.1.2软件设施 17
4.2实验仿真 17
4.3拐点检测 21
4.4本章小结 23
五.总结 24
参考文献 25
致 谢 28
附录1 29
附录2 30
一.绪论
1.1论文的选题背景和意义
生物医学是近年来发展比较迅速的一门新型学科，生物医学的细胞处理的研究与发展迫切需要更强的信息处理技术，计算机图像处理技术为正式处理这样的问题提供了一种有效的方法，图像处理在计算机中得到了很快的发展，细胞图像的处理是计算机图像处理在医学领域的应用，由于受到很多条件的限制，显微镜下的细胞图像通常出现噪声干扰，边缘模糊等很多问题，然而这些问题又会让后续的很多问题无法正常进行，因此，获得一幅清晰，全面，可靠的细胞图像提取是细胞图像处理
*好棒文|www.hbsrm.com +Q: %3^5`1^9`1^6^0`7^2#
中的重要环节。另外，改变细胞图像的大小，细胞的个数，细胞形状等重要的特征也成为了对细胞图像的诊断和研究热点，医疗技术和信息技术的不断发展，图像处理技术在细胞图像处理中的优势越来越大，每年都会有新的理论知识提出，在细胞图像处理这方面的研究一方面可以满足人们对医学发展的要求，实现生物工程的自动化，帮助人们完成很多不能完成的工作，另一方面，这也是多领域涉及的一项研究，多门学科的交叉发展，能研究出许多新的方案，对医学的发展有着非常重大的意义，有着实际应用价值。
在细胞研究和分析过程中，细胞的显微图像在临床诊断中有着重要意义。因为很多临床病症表现为干细胞数目增多或者干细胞中细胞核形状与数目发生变化，所以对干细胞面积和分裂的研究有着非常重要的意义。由于图像来源、染色条件、涂片制备的不同、采样光照条件的差异以及细胞间彼此重叠、粘连情况的发生，所以这种由多个细胞堆积而成的细胞群通常会严重影响后续工作的进行，使得对干细胞的识别和分析等后续工作变得困难。因此，将粘连细胞分割成为单个细胞，就成为图像处理中必须要解决的问题。细胞图像的分析技术为临床医学的研究提供了非常强力的技术支持。在细胞图像分割技术的研究中产生了很对有效分割细胞的算法，根据图像不同的特点，人们提出了一些不同的算法，如：边缘检测法、分水岭算法、阈值法等。这些算法都要求图像具有一些特定性质，在实际处理中存在一定的局限性，不能得到很广泛的运用。
1.2细胞图像分割研究现状
图像分割的目的是把一幅图像分割成有意义的区域或目标，当你感兴趣的物体或目标已经被分离出的时候分割就会停止分割，分割的目标取决于所要决定的问题。
图像分割算法发展至今已经有许多年的历史，对于图像分割算法来说发展到现在已经有上千种方案被提出，细胞图像分割是图像分割非常重要的一部分，人们一直都很重视细胞分割算法的研究，而且细胞分割算法的研究一直在进行着，虽然图像分割领域研究了那么多年，但是到现在为止还没发现一种能适用于所有图像来进行分割 [1],图像分割的算法有很多，它的发展和许多领域都联系在一起，因为没有找到适用于任何图像的一种图像分割方案，所以人们把相关领域出现的新的知识理论都试着应用到图像分割中，往往都会有很大的突破，常见的图像分割方法有区域分割法，边缘分割法，阈值法等。
现在有很多图像分割的算法[210]，人们把它们进行的分类的方法也提出了不少。可根据灰度值不连续性和相似性这两个特征来进行分析，通常情况下在任一区域内部的像素都有相似性，不连续性正常体现在区域之间的边缘上，所以分割的算法可以根据上述内容分为基于区域边界上不连续的分割算法和基于区域内部相似性的算法来进行研究，随着时间的推移许多新的分割方法被提出来了，例如结合特定理论的一些图象分割的方法等。
世界上找不到两片相同的树叶，同理所有的细胞图像都各不相同，它们都有着自己独特的大小，形状，尺寸，因此不能采用同一种方法来进行分离，一幅细胞图像中，很多细胞不时会发生堆叠粘连的现象，为了提升分析结果的准确度，必须要设计出一套有效的分割方案使它自动分割成单个细胞。
把粘连在一起的细胞分割成许多单个的细胞的方法许多文献上叫做分离，通常情况下，分离也就是分割的意思。
这些年来，来自世界各地的学者展开了深入的研究为了能让细胞图像进行有效的分割，并提出了一系列有用的细胞分离算法[1125]，并且获得了一定的成效。
JeanPhilippe[26]等对癌细胞进行自动识别是通过了形态学的分离算方法，其中包括了细胞的个数计算，分类，以及特征参数的分析和提取等。DwiAnoraganingrum[27]等对细胞图像的自动分割通过了阈值法及形态学膨胀腐蚀、小波变换等算法相结合的方法实现。Kim KyungSu[28]等使用形态学的分析法对白细胞进行分析处理，随后实现了白细胞的自动分类。
在国内，也开始逐步开展了图像的自动分析研究工作包括细胞核和染色体等。杨晓敏[29]等完成了系统和动物白细胞分类方法的研究任务，张斌[30，31]等人针对人类细胞和染色体的判别开展了深入的研究，尤育赛[3233]等对重叠细胞图像分离的方法做出了研究，康晓泉[34]等对有特殊条件的细胞分割方法做出了研究，陆振哗[35]等对粘连细胞的形态学方法研究进行了比较和分析。从上述内容介绍及许多资料内容来看，数学形态学的分割算法占现有的分割算法的大多数。
拐点检测相对于其它分割方法是比较优越的，物体形态的重要信息拐点可以体现出来，于是拐点检测成为了图像处理和计算机视觉中非常重要的内容，它被普遍应用于形状分析、模式识别、图像分割和运动分析等方面。这些年来，这一问题很多研究者已经开始了研究，拐点检测的方法是用链码表示物体的边界，通过寻找高曲率点来达到拐点检测的目的，但这类方法中导数的局部估计，对噪声很敏感，而应用平滑算子又会影响检测的准确性，且计算量也较大。
摘要 I
Abstract II
一.绪论 1
1.1论文的选题背景和意义 1
1.2细胞图像分割研究现状 2
1.3拐点的发展历史及介绍 3
1.4论文结构 4
1.5本章小结 4
二.总体方案设计 5
2.1 设计思路 5
2.2图像预处理 6
2.2.1图像形态学处理 7
2.3拐点检测 7
2.3.1拐点检测技术 8
2.4相似性度量 9
2.5方案分析 9
2.6本章小结 10
三.图像分割的处理方案 11
3.1图像分割的定义 11
3.2图像分割 11
3.2.1基于区域的分割方法 11
3.2.2基于边缘检测的分割方法 13
3.2.3基于特定理论的分割方法 14
3.3分割方法比较分析 15
3.7本章小结 16
四.仿真和分析 17
4.1仿真平台 17
4.1.1硬件设备 17
4.1.2软件设施 17
4.2实验仿真 17
4.3拐点检测 21
4.4本章小结 23
五.总结 24
参考文献 25
致 谢 28
附录1 29
附录2 30
一.绪论
1.1论文的选题背景和意义
生物医学是近年来发展比较迅速的一门新型学科，生物医学的细胞处理的研究与发展迫切需要更强的信息处理技术，计算机图像处理技术为正式处理这样的问题提供了一种有效的方法，图像处理在计算机中得到了很快的发展，细胞图像的处理是计算机图像处理在医学领域的应用，由于受到很多条件的限制，显微镜下的细胞图像通常出现噪声干扰，边缘模糊等很多问题，然而这些问题又会让后续的很多问题无法正常进行，因此，获得一幅清晰，全面，可靠的细胞图像提取是细胞图像处理
*好棒文|www.hbsrm.com +Q: %3^5`1^9`1^6^0`7^2#
中的重要环节。另外，改变细胞图像的大小，细胞的个数，细胞形状等重要的特征也成为了对细胞图像的诊断和研究热点，医疗技术和信息技术的不断发展，图像处理技术在细胞图像处理中的优势越来越大，每年都会有新的理论知识提出，在细胞图像处理这方面的研究一方面可以满足人们对医学发展的要求，实现生物工程的自动化，帮助人们完成很多不能完成的工作，另一方面，这也是多领域涉及的一项研究，多门学科的交叉发展，能研究出许多新的方案，对医学的发展有着非常重大的意义，有着实际应用价值。
在细胞研究和分析过程中，细胞的显微图像在临床诊断中有着重要意义。因为很多临床病症表现为干细胞数目增多或者干细胞中细胞核形状与数目发生变化，所以对干细胞面积和分裂的研究有着非常重要的意义。由于图像来源、染色条件、涂片制备的不同、采样光照条件的差异以及细胞间彼此重叠、粘连情况的发生，所以这种由多个细胞堆积而成的细胞群通常会严重影响后续工作的进行，使得对干细胞的识别和分析等后续工作变得困难。因此，将粘连细胞分割成为单个细胞，就成为图像处理中必须要解决的问题。细胞图像的分析技术为临床医学的研究提供了非常强力的技术支持。在细胞图像分割技术的研究中产生了很对有效分割细胞的算法，根据图像不同的特点，人们提出了一些不同的算法，如：边缘检测法、分水岭算法、阈值法等。这些算法都要求图像具有一些特定性质，在实际处理中存在一定的局限性，不能得到很广泛的运用。
1.2细胞图像分割研究现状
图像分割的目的是把一幅图像分割成有意义的区域或目标，当你感兴趣的物体或目标已经被分离出的时候分割就会停止分割，分割的目标取决于所要决定的问题。
图像分割算法发展至今已经有许多年的历史，对于图像分割算法来说发展到现在已经有上千种方案被提出，细胞图像分割是图像分割非常重要的一部分，人们一直都很重视细胞分割算法的研究，而且细胞分割算法的研究一直在进行着，虽然图像分割领域研究了那么多年，但是到现在为止还没发现一种能适用于所有图像来进行分割 [1],图像分割的算法有很多，它的发展和许多领域都联系在一起，因为没有找到适用于任何图像的一种图像分割方案，所以人们把相关领域出现的新的知识理论都试着应用到图像分割中，往往都会有很大的突破，常见的图像分割方法有区域分割法，边缘分割法，阈值法等。
现在有很多图像分割的算法[210]，人们把它们进行的分类的方法也提出了不少。可根据灰度值不连续性和相似性这两个特征来进行分析，通常情况下在任一区域内部的像素都有相似性，不连续性正常体现在区域之间的边缘上，所以分割的算法可以根据上述内容分为基于区域边界上不连续的分割算法和基于区域内部相似性的算法来进行研究，随着时间的推移许多新的分割方法被提出来了，例如结合特定理论的一些图象分割的方法等。
世界上找不到两片相同的树叶，同理所有的细胞图像都各不相同，它们都有着自己独特的大小，形状，尺寸，因此不能采用同一种方法来进行分离，一幅细胞图像中，很多细胞不时会发生堆叠粘连的现象，为了提升分析结果的准确度，必须要设计出一套有效的分割方案使它自动分割成单个细胞。
把粘连在一起的细胞分割成许多单个的细胞的方法许多文献上叫做分离，通常情况下，分离也就是分割的意思。
这些年来，来自世界各地的学者展开了深入的研究为了能让细胞图像进行有效的分割，并提出了一系列有用的细胞分离算法[1125]，并且获得了一定的成效。
JeanPhilippe[26]等对癌细胞进行自动识别是通过了形态学的分离算方法，其中包括了细胞的个数计算，分类，以及特征参数的分析和提取等。DwiAnoraganingrum[27]等对细胞图像的自动分割通过了阈值法及形态学膨胀腐蚀、小波变换等算法相结合的方法实现。Kim KyungSu[28]等使用形态学的分析法对白细胞进行分析处理，随后实现了白细胞的自动分类。
在国内，也开始逐步开展了图像的自动分析研究工作包括细胞核和染色体等。杨晓敏[29]等完成了系统和动物白细胞分类方法的研究任务，张斌[30，31]等人针对人类细胞和染色体的判别开展了深入的研究，尤育赛[3233]等对重叠细胞图像分离的方法做出了研究，康晓泉[34]等对有特殊条件的细胞分割方法做出了研究，陆振哗[35]等对粘连细胞的形态学方法研究进行了比较和分析。从上述内容介绍及许多资料内容来看，数学形态学的分割算法占现有的分割算法的大多数。
拐点检测相对于其它分割方法是比较优越的，物体形态的重要信息拐点可以体现出来，于是拐点检测成为了图像处理和计算机视觉中非常重要的内容，它被普遍应用于形状分析、模式识别、图像分割和运动分析等方面。这些年来，这一问题很多研究者已经开始了研究，拐点检测的方法是用链码表示物体的边界，通过寻找高曲率点来达到拐点检测的目的，但这类方法中导数的局部估计，对噪声很敏感，而应用平滑算子又会影响检测的准确性，且计算量也较大。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzdq/733.html
