基于小波变换和形态学分水岭血细胞图像分割.docVIP

基于小波变换和形态学分水岭血细胞图像分割 　　摘要：医学图像处理提取细胞中使用分水岭方法时，容易产生过分割现象且对噪声的干扰极为敏感，为了解决此缺点，提出一种基于小波变换和形态学分水岭的细胞图像分割新方法。首先采用小波变换多分辨率分析对图像进行分解，选取合适的小波基和改进去噪阈值函数对图像进行小波去噪，然后对去噪后小波重构的细胞图像应用数学形态学距离变换、灰度重建等技术产生的区域标记进行分水岭变换，最终得到分割结果。实验结果表明，该算法能稳定、准确地提取细胞和实现粘连细胞的自动分割，同时具有很好的鲁棒性和普适性。 　　关键词：小波变换；分水岭；图像分割；粘连细胞；数学形态学 　　中图分类号：TP391文献标识码：A 　　Abstract：Method watershed to extract cells during medical image processing will easily caused segmentation and highly sensitive to noise interference.In order to solve this problem，a new method of cell image segmentation based on wavelet transform and Morphological Watershed is proposed.Firstly，decomposing the image by analysis of the wavelet transform multi-resolution analysis to select a suitable wavelet basis and to denoise the image by improved threshold function，then carry out watershed transform labeled region produced by distance transform and gray reconstruction that using mathematical morphological with cell image of wavelet reconstruction after denoising.The final segmentation results will be obtained.The experimental result shows that the algorithm can extract cells stably and accurately and automatically segments adhesion cell，which has strong robustness and adaptation. 　　Key words：wavelet transform，watershed，image segmentation，adhesion cell，mathematical morphology 　　1引言 　　?t学图像分割是医学图像处理中一个非常重要的步骤，其分割结果直接影响了后续的处理。实际血液细胞图像中，需要对粘连的细胞图像进行自动分割，以获取准确的目标对象。分水岭变换[1]是一种常见的基于区域的分割方法，传统的分水岭分割方法是对梯度图像进行分水岭变换，但由于梯度算子对噪声和量化误差等影响因素会产生微小集水盆从而导致产生很多的局部极小值，而实际的图片由于采图、机械装置等因素的影响图像通常伴有信息噪声，因此往往存在过度分割的现象。为了克服这一问题，学者们提出了很多基于分水岭改进的方法。文献[2-3]提出将水平集和分水岭变换相结合的算法，以提取轮廓边缘信息作为标记后进行分水岭变换及其改进算法。文献[4]提出基于链码的分水岭变换，之后进行区域合并操作。文献[5]提出通过提取标记点进行分水岭分割，一定程度上抑制过分割。文献[6-7]提出了一种用聚类算法分析后进行分水岭分割算法。文献[8]提出一种将多分辨率分析和分水岭结合，在低分辨率进行分水岭变换后再向高分辨率映射。其中进行标记后的分水岭变换结果过分依赖二值图像的提取效果，且对噪声很敏感；基于区域合并或者聚类算法结合分水岭算法复杂度高，且受噪声干扰，从而影响分割效果。 　　本文从分水岭对噪声敏感且造成过度分割严重的现象出发，将小波多尺度分析和分水岭算法结合起来，通过对图像小波变换后，将原始图像变换到小波域，对高频分类经过阈值去噪处理，然后进行小波逆变换，最后得到的去噪图像进行应用形态学标记的分水岭变换进行处理，取得对粘连细胞图像较好的分割结果，不仅防止了过度分割现象，而且具有明显的抗噪声能力