《毕业设计(论文)－显微细胞图像的形态学分析》.doc

PAGE 第 PAGE 1 页 共 NUMPAGES 50 页 1 绪论 前言 近年来，医学图像在协助医生诊断与提高诊断精度方面发挥了越来越重要的作用，医生对图像诊断的需求也日益增加。目前我国的影像诊断还是医生根据肉眼观察与临床经验作出判断，具有一定的主观性，而医学图像存在大量的边缘模糊现象，不仅耗费大量的时间与精力(一个细胞样本的形态学分析需要一个专业医生花数小时时间)，而且有时难以作出正确的诊断，甚至会出现漏诊与误诊事件。因而，研究开发出准确、快速的图像分析系统以完成图像的分类、识别与分析，已成为我国医学图像处理研究领域的共同目标之一。而本课题的研究势必是实现这一目标的必经之路，为最终实现这一目标做出基础性前瞻性的理论研究。 形态学一般指生物学中研究动物和植物结构的一个分支。后来人们用数学形态学(也称图像代数)表示以形态为基础对图像进行分析的数学工具。它的基本思想是用一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。课题所提及的形态学是指，用数学形态学的图像处理方法，结合医学形态学知识，分析显微细胞图像的形态特征，本项目的研究即以此展开。 现如今，细胞和组织形态特征的分析一直是研究生物细胞学和病理学的主要手段。 而图像分析已经成为细胞学定量分析研究的有用工具，为临床诊断提供了定量而客观的依据[1]。随着计算机技术的发展和计算机图形学、数学以及医学相关理论的不断完善，计算机图像处理与分析技术在临床诊断和治疗中起着越来越重要的作用。 1.2 数学形态学 数学形态学(Mathematical Morphology)[2]是近几年来发展迅速的一门建立在严格数学理论基础上的新兴的学科，以几何特性和结构特性的定量描述与分析为其主要研究内容，是一种应用于图像处理和模式识别领域的新的方法，是一门建立在严格的数学理论基础上而又密切联系实际的科学。由于形态学具有完备的数学基础，这为形态学用于图像分析和处理、形态滤波器的特性分析和系统设计奠定了坚实的基础，尤其突出的是实现了形态学分析和处理算法的并行，大大提高了图像分析和处理的速度。虽然其理论基础有些艰深，但其基本观念却比较简单。它体现了逻辑推理与数学演绎的严谨性，又要求具备与实践密切相关的实验技术与计算技术，积分几何和随机集论是其赖以生存的基石。 用于描述数学形态学的语言是集合论，因此，它可以提供一个统一而强大的工具来处理图像处理中所遇到的问题。利用数学形态学对物体几何结构的分析过程就是主客体相互逼近的过程。利用数学形态学的几个基本概念和运算，可将结构元灵活的组合、分解，应用形态变换序列来达到分析的目的。数学形态学方法比其他空域或频域图像处理和分析方法具有一些明显的优势。例如，在图像恢复处理中，基于数学形态学的形态滤波器可借助于先验的几何特征信息，利用形态学算子有效的滤除噪声，又可以保留图像中的原有信息。它最显著的特点是直接处理图像表面的几何形状，具有快速、健壮和精确性的特征[3]。 数学形态学图像处理的基本思想是利用结构元素(structuring element)收集图像的信息。当结构元素在图像中不断移动时，便可考察图像各个部分间的相互关系，从而了解图像各个部分的结构特征。结构元素可直接携带知识(形态、大小、以及灰度和色度信息)来探测所研究图像的结构特点，借助于不同形状的结构元素与图像间的一系列结构变换来处理和分析图像。 数学形态学是一种非线性滤波方法.形态和差(膨胀与腐蚀)、开运算闭运算是数学形态学的基础。 1.3 国内外图像处理技术发展现状 1.3.1 显微细胞医学图像边缘检测 图像边缘是图像最基本的特征,边缘中包含着有价值的目标边界信息，这些信息可以用于图像分析、目标识别以及图像滤波。边缘检测是图像处理的重要内容，是模式识别和计算机视觉的基础[4]。所谓边缘(或边沿)是指其周围像素灰度有阶跃变化或屋顶变化的那些象素的集合,边缘检测是图像工程的一个重要内容。数学形态学的主要用途是获取物体拓扑和结果信息，它通过物体和结构元素相互作用的某些运算得到物体的本质形态。随着数学形态学理论的不断完善与发展。数学形态学在图像边缘检测中得到了广泛的研究和应用。边缘检测的难题是检测精度与抗噪性能之间的矛盾。图像普遍存在噪声。图像边缘和噪声均为频域中的高频分量，这给边缘检测带来了困难。 下面介绍现阶段普遍研究的几种边缘检测的概况： ①基于中值滤波和数学形态学的图像边缘检测[5]。对数学形态学中的腐蚀和膨胀的原理和中值滤波除噪应用进行研究，针对二值化图像把中值滤波与腐蚀相结合研究一种边缘检测的方法，通过仿真实现，得到满意的效果。该方法能够有效地去噪，检测图像中的细节，定位准确，并且计算量小，效率高。 ②多尺度形态学图像边缘检测方法[6]。在深入地