基于双边滤波主动轮廓模型细胞图像分割方法探究.docVIP

基于双边滤波主动轮廓模型细胞图像分割方法探究摘要： 区域主动轮廓模型采用先验知识指导建立分割模型，并在分割的过程中采用水平集演化的方式使得零水平集自动收敛于目标物体的边界。在采用该模型进行分割之前，通常都采用高斯滤波器对图像进行滤波，但是高斯滤波器在对物体进行平滑操作的同时，也会造成物体边界的弱化，从而影响分割效果。本文将双边滤波和区域主动轮廓模型结合起来，充分利用双边滤波在平滑目标内部的同时不弱化边界的特点，在利用区域主动轮廓模型进行分割之前使用双边滤波对图像进行处理，实验结果显示使用本方法进行分割得到的结果准确性得到了提高。 Abstract: Regional initiative contour model uses priori knowledge to guide the establishment of segmentation model, and adopts level set evolution to make the zero level set automatic convergence in the boundary of the target object in the process of segmentation. Before conducting segmentation by the model, we adopts Gaussian filter to filter the image, but it also cause a weakening of the object boundary when Gaussian filter conducts the smooth operation on the objects, thus affecting the segmentation results. This paper combines with bilateral filtering and regional active contour model, takes full advantage of the characteristics which the bilateral filter does not weaken the boundary when conducting the smooth operation on the objects, and uses bilateral filter for image processing before segmentation by using regional initiative contour model. Experimental results show that this method can improve accuracy when conducting segmentation. 关键词： 图像分割；双边滤波；区域主动分割模型；水平集 Key words: image segmentation；bilateral filtering；regional initiative segmentation model；level set 中图分类号：TP391 文献标识码：A 文章编号：1006-4311（2012）25-0194-02 0 引言 在各种图像处理包括细胞图像处理过程中，常常会使用高斯算子对对图像进行滤波处理。其主要的原因是真实图像由于设备的限制，一般都带有噪声，需要使用一定的算法对图像进行平滑处理。 处理噪声的方法很多，从处理方法上来说，主要分为空域滤波和频域滤波。空域滤波技术主要有均值滤波、中值滤波、高斯滤波[1]、拉普拉斯变换等各种方法。 频域滤波是先将时域信息转换到频域，在频域中对图像信息进行处理，处理完毕后再转换成时域的一种方法。 在进行图像分割过程中，选择合适的去噪增强算子对图像进行处理直接影响到分割处理的效果。双边滤波自从被提出以来，因为其具有保留边界的同时又能起到平滑的应用效果，被广泛应用于各种图像增强之中。本文将双边滤波算子引入主动轮廓分割模型，并将构造出来的区域主动轮廓模型应用于图像分割过程中，推导出水平集函数的演化过程。并将该水平集分割函数应用于具体的细胞图像分割过程之中。 1 基于双边滤波的图像分割能量传导模型 1.1 双边滤波介绍 二维图像可以定义为一个二维矩阵，其中每个元素对应相应位置的像素，元素值即为该像素的灰度值。 记Ip为图像位于位置p=(pi,pj)处的像素值，记F[I]为应用滤波器F到图像I的结果。 高斯滤波计算公式为： GF[I]p=■G■（‖p-q‖）I■（1） 其中‖p-q‖为像素p和像素q之间