基于形态运算与帧间信息的序列图像的分割

论文摘要

神经干细胞是藏匿于神经系统某些部位中的一些细胞,这些细胞具有良好的可塑性,可以通过基因工程或细胞工程等高新技术对其进行人工改造,使神经干细胞发育成为能够对中枢神经损伤进行替代治疗的工具。借助计算机在数字图像的成像分析技术和在信号与信息的高速处理技术等方面具有的高性能,对神经干细胞进行分割是近年来图像处理中研究的热点之一。本文以共焦显微镜成像方式获取的体外培养的神经干细胞序列图像作为图像源,以基于形态学图像分割的分水岭算法为基础,提出了改进的分水岭算法。先用最近邻点插值法、Otsu阈值法和区域吞没法进行预处理并获取二值图像,然后使用迭代形态运算分割各种成簇的细胞群,在二值图像中对每个成分进行特征提取和分析,噪声、欠分割和过分割的细胞以及成簇的细胞分别被提取出来进行处理;对欠分割的细胞使用Chamfer 3-3-3变换算法;距离变换后的细胞先用粗腐蚀单元后用细腐蚀单元使粘连物体分开得到各个物体的标记,接着使用基于标记控制的分水岭算法进行分割;最后利用对起始帧的人机交互式修正及帧间信息提高分割正确率。本文提出的算法适用于分割二值图像中的粘连物体。本文设计的形态学算法有良好的性能和稳健的适应能力,得到了较为满意的实验结果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 神经干细胞研究的历史背景和意义
• 1.1.1 神经干细胞研究的历史背景
• 1.1.2 神经干细胞研究的意义
• 1.2 神经干细胞序列图像的获取
• 1.2.1 神经干细胞的分布
• 1.2.2 神经干细胞序列图像的采集
• 1.2.3 神经干细胞序列图像的特点
• 1.3 神经干细胞的国内外研究现状
• 1.4 本文研究目的和主要内容
• 1.4.1 研究目的
• 1.4.2 主要内容
• 第2章 神经干细胞序列图像的预处理和特征提取
• 2.1 常用的细胞图像预处理技术
• 2.1.1 图像增强
• 2.1.2 边缘检测（Edge Detection）
• 2.2 本文使用的图像预处理技术
• 2.2.1 内插法
• 2.2.2 直方图均衡化
• 2.2.3 图像平滑
• 2.3 图像二值化及成簇细胞的处理
• 2.3.1 图像二值化的实现
• 2.3.2 区域吞没
• 2.3.3 迭代的数学形态学开运算
• 2.4 细胞图像的特征提取
• 2.4.1 细胞图像中的特征提取概念
• 2.4.2 特征提取的评价标准
• 2.4.3 细胞图像的一般特征提取方法
• 2.5 神经干细胞序列图像的特征提取和选择
• 2.5.1 方案确定
• 2.5.2 形态特征提取
• 2.5.3 形态特征选择
• 2.5.4 限制条件
• 2.6 本章小结
• 第3章 欠分割细胞的距离变换
• 3.1 形态学基础
• 3.1.1 膨胀和腐蚀运算（Dilation and Erosion）
• 3.2.2 开和闭运算（Opening and Closing）
• 3.2 几种常见的距离变换算法
• 3.2.1 精确欧式距离方法
• 3.2.2 近似模板方法
• 3.3 基于Chamfer算子的距离变换
• 3.3.1 方案确定
• 3.3.2 算法描述
• 3.3.3 实验结果与分析
• 3.4 本章小结
• 第4章 改进的数学形态学分水岭算法
• 4.1 分水岭算法概述
• 4.2 分水岭算法的基本思想
• 4.2.1 几种分水岭计算方法
• 4.2.2 一种高效精确的分水岭计算方法
• 4.3 改进的分水岭算法
• 4.3.1 标准分水岭分割存在的问题
• 4.3.2 条件腐蚀寻找细胞源点
• 4.3.3 标记控制（Controlled-marked）的分水岭算法
• 4.4 分水岭算法的应用
• 4.5 本章小结
• 第5章 神经干细胞的追踪
• 5.1 问题的提出
• 5.2 初始帧的处理
• 5.3 帧间信息的处理
• 5.3.1 惰性细胞的处理
• 5.3.2 过/欠分割细胞的处理
• 5.4 实验结果与结论
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢