一种组织细胞图象的分割

自动、时实、计算机视学细胞追踪系统需要一种非常有效的细胞图象分割方式．通常一些文献介绍的分割算法在运用于未染色活细胞图象分析时,由于灰度变化和不均匀的光照等,显得非常虚弱．我们研究了分割的两步策略即：（１）选出含有细胞和一部分细胞周围背景的近似区域;（２）从这个区域内的背景中分割出细胞．这种方式能有效降低周围背景灰度和细胞区域上纹理的影响．实验结果表明这种方法作为细胞图象的分割时既快又省力．     

基于曲率和活动轮廓模型的重叠细胞分割算法

提出了一种基于曲率和活动轮廓模型的重叠细胞分割算法,用于解决重叠细胞显微图像边界难以自动分离的问题.该算法使用Otsu算法和形态学滤波得到重叠细胞整体轮廓,并根据其曲率信息来定位细胞边界接触点,再采用活动轮廓模型分割得到重叠区域轮廓,最后结合边界接触点信息将其与整体轮廓拼接得到单个细胞轮廓.实验结果表明,算法实现了重叠细胞的分割,分割得到的细胞完整度高,且算法具有一定的鲁棒性,表明该算法用于重叠细胞的分割是可行、有效的.     

基于迭代腐蚀的粘连细胞图像分割研究

为对显微粘连细胞图像进行分割,该文提出1种基于数学形态学运算的迭代腐蚀方法。对二值化细胞图像进行迭代腐蚀得到细胞种子点图像,通过分水岭分割提取细胞分割边界,形成最终的分割图像。在每一次腐蚀后得到的图像中保存细胞种子点,在整个迭代腐蚀过程中避免细胞种子点被误删,为后续使用分水岭分割进行图像分割提供了可靠的先验信息。实验表明,该算法能较好地解决距离变换方法中的过分割问题并改善极限腐蚀方法中的欠分割问题。     

基于边缘链码信息的黏连细胞分割算法

介绍了一种基于边缘链码信息的黏连细胞自动分割算法. 该算法对弱对比度的细胞图像预处理;对二值化图像进行链码跟踪,并计算边缘各点的链码和、链码差、等效周长、弧弦比等特征参数;利用特征参数判断边缘光滑段、边缘角点;对真实分割角点进行线性插值最终实现黏连细胞的分割. 将该算法应用于2组细胞图像序列共120帧图像的分割中,不仅解决了黏连细胞的分割难题,而且能够准确进行细胞凹陷的修补和细胞图像的简单计数. 统计结果表明,相比于阈值法和先验模型法,该算法的分割成功帧占整个序列的百分比提高40%~60%.      

基于卷积神经网络的细胞图像分割与类型判别

组织细胞图像形态各异、大小不一、纹理变化多样等特点,导致难以精准地分割细胞区域的问题,对此提出了一种基于卷积神经网络(CNN)和边缘聚类方法的新算法.对原始切片采用染色校正预处理,提高色彩对比度,利用CNN得到初步分割结果,结合边缘聚类方法提升初步分割结果的连续性和完整性.在此基础上,结合计算机视觉技术,获得分割图像中细胞颗粒的基本属性特征,并使用Softmax分类器判别细胞类型.实验结果表明:相较于经典的卷积神经网络、阈值分割、模糊聚类等细胞图像分割算法,该算法在分割结果的完整度方面提升了6.15个百分点.     

基于区域信息的悬浮细胞识别与计数

悬浮细胞的培养过程需要对活细胞计数.针对人工计数方法存在的缺陷,利用图像分析技术对拍摄的细胞图片进行处理,实现活细胞自动识别及计数.要实现细胞识别,首先要对图像进行正确分割.对于前景和背景对比度较小且细胞很稀疏的图像,采用背景拟合设定阈值进行分割;针对前景和背景对比度较大的图像,采用一种基于局部区域直方图的方法进行分割.对分割后的图像进行链码跟踪并测量细胞参数,最终实现细胞识别及计数.实验结果表明上述方法能快速有效地计算出活细胞个数.     

基于Gabor滤波与区域生长的细胞分割

贴壁细胞图像中细胞大小形状各不相同,细胞内部分区域与细胞边缘具有相近的灰度,部分细胞边缘较细或者断裂,为后续正确的分割计数带来了困难。传统的基于区域的图像分割很容易造成过分割和欠分割,前者得不到完整的细胞边缘,后者使细胞内部出现大量杂质点。为解决以上问题,首先利用Gabor滤波器的方向性滤波特性对细胞边缘进行增强,然后选择细胞边缘对应的高灰度点作为种子点进行8连通约束的区域生长,最后对区域生长后的图像进行形态学闭运算消除小的空洞和毛刺,得到完整的细胞边缘图像。与阈值法和边缘检测法的比较结果表明,该算法分割效果较好且对噪声不敏感。     

一种新的基于U-Net和ResNet的病理图像细胞核分割方法

医学图像分割是图像处理的重要环节,而细胞核分割结果是病理学家进行癌症分类和评级的重要依据,提高其分割的准确率一直是研究的热点。但由于同器官的不同细胞核存在形态可能不一样、细胞之间相互重叠、细胞边界不清楚等现象,导致细胞核图像难以准确分割。为提高相互接触和重叠细胞核分割的准确性和精确率,本研究提出一种新型的细胞核分割网络模型。该模型首先是对原始细胞图进行ZCA白化预处理,并基于经典的U-Net网络结构,通过U-Net和ResNet残差模块进行训练,使用Batch Normalization方法实现数据归一化处理,解决训练过程中梯度震荡问题。在MoNuSeg和ISBI2018Cell两个数据集上的实验结果表明,本研究所提出的模型的分割准确率较高,分割出的细胞没有出现细胞核大面积粘连的现象,细胞核轮廓更加清晰。本研究所提的分割网络基于经典的U-Net网络结构,通过构造ResNet残差模块实现对细胞核上下文特征的提取,同时在残差模块使用Batch Normalization使得梯度的传输更加便捷,减少了训练时间,而且在分割相互接触的细胞核时,具有精确定位和准确分割的能力,是一种有效的细胞核分割方法。     

基于等周图割的细胞图像自适应多阈值分割算法

针对粘连细胞图像,提出一种自适应多阈值分割算法.该算法采用等周图割的等周率来确定最佳阈值,基于最佳组距迭代策略用多级阈值来分割粘连细胞,此外,引入动态确定节点聚类数的方法来自动确定阈值个数,采用灰度级权值矩阵来加快等周率的计算.实验结果表明,与几种经典阈值分割算法和等周率算法相比,该算法对严重粘连的多细胞图像的分割效果更好,在复杂的细胞图像分割中具备一定的有效性和可行性.     

彩色骨髓相的快速分割

为了利用计算机进行髓相分析,对在彩色空间中复杂背景下的目标分割问题作了研究。提出了在处理后的色度和饱和度分量的融合图像上,根据改进的最大熵二值化算法在两个层面上对细胞核进行多级分割,解决复杂背景下细胞核及粘连细胞核的分割问题。再由细胞核外周对空间作搜索,根据统计方法确定的点集性质一次性地对细胞胞浆做分割,最后分析细胞的几何特征,对分割进行调整。实验结果表明:整个算法适应性强,对不同性质的骨髓图像均有较好的分割效果,且与其他血细胞分割方法相比计算量小,比较快捷,约86%的细胞得到了正确分割。     

一种快速、高效的混合小波-分形图像编码方法

作者结合了分形编码和小波编码的优点,提出了一种高效而快速的小波与分形编码相结合的混合图像编码方法。其基本思路为,将小波分解后的图像的低频系数用基于方差的快速分形方法编码,剩余的高频系数用经过修改的SPIHT算法进行编码。实验证明,该混合算法避免了分形编码所固有的方块效应,同时比传统的分形编码相比,大大节约了编码时间,说明该算法具有一定合理性与优越性。     

混合神经网络在颗粒图像边缘检测中应用

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法·边缘候选图像是通过采用基于灰度极小值算法提取边缘候选像素获得,神经网络以边缘候选图像中的边缘候选像素及其邻域像素的二值模式作为训练样本·对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实,适用于颗粒图像的边缘检测·     

乳腺MRI图像肿瘤轮廓的提取

提出一种改进的混合水平集方法提取乳腺肿瘤图像.首先利用最大类间方差法与区域生长法将乳腺初始轮廓从乳腺MRI图像中提取出来,然后将此乳腺初始轮廓曲线作为水平集的初始轮廓曲线进行演化,进而找到肿瘤的边界.应用本方法对福建肿瘤医院提供的临床数据进行了实验验证分析.实验结果表明,该方法对于复杂的乳腺MRI序列图的肿瘤分割具有较好的效果.     

深空通信中基于Turbo码的混合ARQ方案

为解决把空间数据系统咨询委员会（CCSDS）推荐的Turbo码直接用于深空通信基于小波变换的图像压缩数据纠错效率低的问题，提出了一种适合于其传输的混合ARQ方案。它是根据图像小波变换后数据重要性不同的特点，利用CCSDS推荐的用于深空通信的Turbo码本身的纠错性能，并充分结合了不同混合ARQ方案的优点提出的。通过与不同混合ARQ方案的FER和系统吞吐量的性能仿真结果比较分析表明，该方法由于充分考虑了深空通信本身的特点。因而在满足数据容错性要求的同时，提高了传输效率。     

参数控制的混合色调映射方法

为解决高动态图像的真实影像再现问题,提出了一种基于参数控制的混合色调映射方法.对图像进行全局预处理,保持整幅图像的亮度和对比度;采用参数控制的混合算子获取图像的局部对比度和细节;采用双边滤波解决色调映射过程中产生的光晕问题.仿真实验表明,该方法压缩了原始高动态图像的动态范围,保持了整体亮度,增强了局部细节而去除光晕效应影响,比现有的Sigmoid算法在各个参数上有显著提高.      

混合基底记法的无失真图像信息隐藏技术的改进及实验研究

无失真信息隐藏技术,可以使一个原始图像在经过藏入、取出秘密信息之后依然完整存储,为了进一步改进压缩域图像信息隐藏方法,文中提出了一种基于混合基底记法的无失真图像信息隐藏技术,主要做了以下工作：给出了应用的VQ编码、SMVQ编码的理论基础;完成了基于混合基底记法的信息隐藏的设计;应用6张512×512像素的灰度图片完成了实验结果验证。实验结果表明：新方法与传统的基于边缘匹配矢量量化编码方法相比,减少了秘密信息嵌入时间,提高了秘密信息嵌入容量。     

基于互信息和混合优化算法的多模医学图像配准

针对互信息函数的多极值问题,提出了一种基于混合优化算法的多模医学图像配准方法.对于多模医学图像,以互信息作为相似性测度,使用混合优化算法搜索出最佳配准变换参数,将待配准图像进行变换,从而达到配准的目的.实验表明,该算法能避免陷入局部最优值,配准结果精度达到亚像素级.     

用球面混合曲率图像比较三角网格模型的相似性

针对现有相似性比较算法对模型的局部细节特征描述不足的现状,提出了一种零亏格三角网格模型形状相似性比较的新方法.在对三角网格模型进行姿势配准以后,映射三角网格模型到单位球上,并用多种曲率生成球面混合曲率图像,然后用球面调和函数对其分解,提取一维旋转不变的形状描述子进行相似性比较.实验结果表明,采用球面混合曲率图像可以对三角网格模型中不同类型的曲面进行清楚的区分;文中提出的方法能更细致地区别三维模型,对网格分辨率鲁棒且特征提取稳定,因此可以提高三维模型检索的有效性.     

基于蚁群算法和改进 SSO 的混合网络入侵检测方法

针对一般网络入侵检测方法在不断增加复杂攻击和恶意软件的网络环境下,难以有效保护网络的问题,提出了一种混合入侵检测方法.对网络数据进行预处理,采用蚁群算法(ant colony algorithm,ACO)进行特征选择,数据挖掘,在此过程,为了改善简化群优化(simplified swarm optimization,SSO)分类器性能,提出在SSO中加入一种加权局部搜索策略,即改进的简化群优化(improved simplified optimization optimization,ISSO),这种新局部搜索策略的目的是从由SSO产生当前解的邻域内找到更好的解,从而获得入侵报告.在KDDCup 99数据集上进行了混合检测方法的相关实验.实验结果表明,在粒子数为30,最大代为30时,ISSO就已经达到最好的分类结果93.5％,相比于其他智能算法具有更少的粒子数和更小的最大代.此外,还模拟了3种类型的网络攻击DOS,PROB和U2R,结果表明,大多数情况下该方法的准确率都高于其他检测方法.     

一种快速、高效的分形图像编码方法

文章针对传统分形编码时间过长的缺点,提出了一种高效而快速的基于方差的分形图像编码方法。其基本思路为:首先找到在方差意义下与R块最邻近的D块,在其左右k邻域内搜索与R块匹配的D块,如果没有搜索到满足预定阈值要求的D块,则对当前R块进行4值BTC编码。实验证明,该混合算法与传统的分形编码相比,节约了编码时间,说明该算法具有一定合理性与优越性。