基于Hough变换的显微图像分割方法研究-信号与信息处理专业论文.docxVIP

摘 要 Hough 变换因其对噪声和局部信息缺损不敏感的良好性能，日益成为显微图像分 割的重要方法和研究热点之一，但其仍然存在着算法复杂、效率较低等不足。本文在 阐述 Hough 变换方法原理基础上，深入研究了基于 Hough 变换的显微图像分割方法。 主要内容如下： 通过对无效采样的概率的分析，采用弦中点 Hough 变换。将每一个用来确定圆 参数的点组的构成由三点减少至两点，可以降低无效采样概率，再通过对点组中特征 点的坐标关系进行限定来减少算法的计算量,从而较好地的解决了随机 Hough 变换的 无效累积的问题。 由于细胞本身的复杂性及光照等因素的影响，获得的边缘检测图像中常包含虚假 的边缘信息，并且大多数的 Hough 变换算法都是采用空域边缘检测算子对图像进行 预处理，但空域边缘检测对噪声影响极其敏感。针对这些情况，本文采用形态学孔洞 填充操作来减少虚假圆的产生，并且采用改进的形态学边缘检测法来提取图像边缘， 在有效地抑制噪声的同时获得准确的图像边缘信息，有效地解决了非圆环上点被作为 边缘点被提取的问题。 彩色图像能够比灰度图像提供更多的边缘信息，本文采用更符合人眼视觉感知特 性的 HSI 彩色空间，首先分别对 S、I 分量的图像操作，增强图像的亮度，再采用伪 彩色处理，尽量将图像中的细胞和背景分别用不同的颜色显示，通过 HSI 空间和伪彩 色处理，便于获得更多且准确的边缘信息，本算法无需滤波操作，减少了边缘信息的 损失，将彩色空间与 Hough 变换结合，能够快速且准确地实现细胞的定位。 对本文提出的三种算法进行了 Matlab 仿真实验研究，结果表明：本文算法提取 圆形目标比较准确，速度更快，实际显微图像分割实验也证明了算法的有效性。 关键词：Hough 变换 形态学 彩色空间 显微图像分割 Abstract Hough transform becomes the focus of image segmentation for it has the insensitive characteristics of noise and local disconnection. However, it still has the question of complex algorithm and lower efficiency. In this paper, do the depth research on Hough transform for microscopic image segmentation based on describing the principle of Hough transform. The main contents are organized as follows: Chord midpoint Hough transform method is employed to detect cell targets by analyzing the probability of ineffective sampling. The composition of each point group that used to determine the circle parameters reduces from three points to two points, so that it can reduce the probability of ineffective sampling. Furthermore, coordinate relationship limited is proposed to reduce calculation, and ineffective accumulation can be well solved. Because of the complexity of the cells themselves and lighting factors, it leads the fictitious information in edge detection image. Moreover, most Hough algorithm generally introduce edge detection operator of the spatial domain to pre-process, and these operators are very sensitive to noise. For these conditions, a morphological holes filling approach is used to fill the binariz