局部自适应的细胞图像分割方法.pdfVIP

中国自动化学会华东地区第十七届学术年会会议论文 局部自适应的细胞图像分割方法 陈字，庞全．范影乐 (杭州电子科技大学自动化分晓．浙江杭州310018 摘要：针对单一的全局闺值分割方法不能适用于复杂多目标幽像的目标提取．该文提出了一种桀十局 舒自适应多阑值的分割算法。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 为子圉像分别进行再次分割，从中提取出目标细胞．实验结果表明，该算法膪够稳定地实现耳标分割 提取，具有较好的鲁棒性． 关键词：局部自适应；多闻值；图像分割 中圈分类号： 文献标识码： 文章编号： O引言 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”J。基于边缘检测的方 法，在实际应用中存在两大难点：(I)不能保证边缘的连续性或封闭性：(2)在高细节区存在大 量碎边缘．难以形成一个大区域，但又不宜将高细节区分成小碎片。冈此，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。基于阈值分割豹方法。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．计算出单个的全局闽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，灰度量现明显的不均匀性。在一个小的局部范围里，目标与背景之 阃存在灰度差异。但在更人区域中．细胞灰度与背景灰度量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“J。针对这种情况，该文提出了一 种自适应局部阈值分割算法，实验表明，这种算法优于一般简单的传统算法，分割效果准确、 稳定，具有较好的鲁棒性。 l局部自适应算法 自适应局部阚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)： 假设l参照整幅图像，从绝对概念上来说，目标灰度可能低于背景灰度，也可能等于或 高于某些其它嚣域的背景灰度；但相对于某个特定的局部区域而言。其中的舀标 收藕日期：2004-- 浙江省教育厅科研资助项目 作者简介：阵宇(1977--)，男。湖南湘潭人．在读研究生．图像处理与攘式识别． 中囝自动化学会o#东地区第卜七届学术年会会泌论文 灰度总是低于背景灰度的： 假设2细胞的某些特征，如r大小，形状有一个相对可能的界定。如细胞大小的范围，形 状的圆形度等等。 假设l保证了根据灰度进行阐值分割的可行性．假设2在后续算法中充当区分已完成分 割的目标区域与待重新分剩的局部区域的判决条件。以。舔U法为例．考虑一次分割后的 结果图像：在获得图像灰度直方图的条件F，利用概率论的知识，通过计算最大类阈方差而 得到分割阈值。对于目标与背景的分离度丈的图像，其能获得一个理想的分割效果。但对于 存在灰度变化大的复杂背景倒像。简单的一次0巧U分割往往会在结果图像中出现一些形 状不规则的大块目标区域。研究发现。这些区域往往并非真实的目标区域131，而是整幅图 像中的那些背景灰度相对较低的模糊区域。此时可将模糊区域从原酗中分离出来，每个模糊 区域都当成一幅新的图像来重新进行目标的分割与提取。 根据对算法原理的分析得出局部臼适应算法的具体步骤如下： (i)将整幅图像的所有像素看作点集G，对G作DZSU分割，得到一个阈值r。把原 图像