生物医学图像预处理和分割算法实验研究

发布时间：2022-01-10 08:13

　　基于区域特征和边界信息相结合的生物大分子图像分割实验系统。该系统能够准确提取冷冻电子断层扫描的生物大分子,从而提高冷冻电子断层扫描的生物大分子的提取率,能在实验教学中更好地帮助学生理解图像预处理和分割算法。首先,对冷冻电子断层扫描的生物大分子图像进行图像降噪、图像灰度均衡化和均值滤波,然后,基于区域生长方法对图像进行阈值分割,再应用Sobel模板边缘检测方法对生物大分子图像进行二次分割,实现基于图像区域特征和边界信息的图像分割算法,最后,成功提取出了生物大分子。该实验不仅提高了生物大分子的提取率,也为同学们进行图像研究奠定了基础。 

【文章来源】：淮北职业技术学院学报. 2020,19(04)

【文章页数】：4 页

【部分图文】：

边缘定向增强的各向异性扩散降噪方法的实验结果

图像均值滤波法是一种有效的信号处理技术，它通过非线性拟合的方式将单一像素点的灰度值设置为邻域周围所有像素点平均灰度值来实现。均值滤波的原理是把序列中一点的值用该点周边邻域中各点的均值替换，目的是消除随机的噪声。[5]中值滤波后的图像如图2(b）所示。2 基于区域生长方法的图像阈值分割

对图像进行阈值分割的目的是实现基于图像的色彩信息和生物大分子细胞形态特征提取生物大分子。分割系统以生物大分子为种子，基于生物大分子与背景之间颜色的不同，以HIS颜色空间中的颜色分量H（饱和度）的值为基础，采用区域生长的方法得到生物大分子。但是由于生物大分子颜色的不均匀性和模糊性，使得区域生长的结果中生物大分子边缘部分不清晰，与真实的生物大分子轮廓有一定差异，因此，需要对大分子白细胞轮廓作修正。其主要算法流程如图4所示，包括初始化和循环两个模块。初始化模块选取初始种子，然后初始化堆栈，将种子点压入队列。循环模块确定当队列为空时为循环结束条件，从队列中取出顶元素的邻域点，对于二维图像，取八邻域，对于三维图像，取六邻域。采用比较简单的方法定义相似度条件：假设队列顶端元素的灰度值为gc，当前相邻点灰度值为gn，种子点的灰度值为gs,nv、cv为用户设定的值，定义当│gc-gn│≤nv且│gs-gn│≤cv时，满足相似度条件。最后，当相邻点满足相似度条件，则将其压入堆栈继续循环，如果不满足则跳出循环，结束程序。经区域生长算法进行图像分割处理后的生物大分子图像如图4所示。

【参考文献】：
期刊论文
[1]3D打印中基于canny和卷积神经网络的边缘检测[J]. 冯曦.  中国新通信. 2017(16)
[2]融合模糊连通图和区域生长的MRI脑组织图像分割算法[J]. 吴建.  科学技术与工程. 2013(05)
[3]关于数字图像处理中直方图均衡化的探讨[J]. 刘兴建.  硅谷. 2011(16)
[4]医学图像处理与分析的应用和意义[J]. 许园甫.  华夏医学. 2008(06)
[5]一种改进的中值滤波算法[J]. 王双.  电子技术. 2007(Z3)
[6]舰船红外图像边缘检测方法对比研究[J]. 何友金,李楠.  计算机仿真. 2006(04)
[7]基于边缘定向增强的各向异性扩散抑噪方法[J]. 谢美华,王正明.  电子学报. 2006(01)
[8]基于颜色直方图和空间信息融合的图像分割算法[J]. 黄春艳,杨国胜,侯艳丽.  计算机工程与应用. 2005(03)

硕士论文
[1]医学图像三维重建的预处理算法研究[D]. 宋子国.广东工业大学 2012



本文编号：3580366