基于边界剥离的细胞图象分离算法

细胞图象的自动判读中 ,经常遇到聚堆细胞的问题 ,因而需要采用一种有效的分离算法把它们分离为单个细胞 .目前存在的大多数分离算法都要求聚堆细胞连接处的凹陷性比较明显 ,或者要求在细胞连接处存在局部最小灰度值 ,否则难以实现正确分离 .为了解决这一问题 ,提出了一种基于边界剥离的分离算法 ,该算法首先对聚堆细胞区域进行层层剥离 ,然后根据剥离结果判断是否发生了细胞分裂 ,进而完成分离 ,这样就避免了对凹陷性及局部最小灰度值的要求 。

CB法微核图像中粘连淋巴细胞的自动分离

CB法微核图像中淋巴细胞的粘连情况可分为串联、并联、串并联三类。首先利用面积阈值、圆度阈值、延展度阈值提取串联的淋巴细胞区域;然后采用改进的基于凹点搜寻的分离方法对串联淋巴细胞区域进行分离,同时克服了崎岖边界的干扰问题;对于分离后的细胞,再判断其是否为双核淋巴细胞。这为CB法微核图像自动分析中串联淋巴细胞的判别和分离提供了一种切实可行的解决方法,有助于提高CB法微核图像分析的准确度和可靠性,而不影响自动分析的速度。

神经元干细胞序列图像的结合局部灰度阈值的水平集分割算法

在光学显微镜成像的神经元干细胞序列图像中,针对目标与背景的弱对比度及细胞粘连、团簇等问题,提出一种新的分割算法.该算法基于无需初始化的水平集算法,通过引入曲率项来加速收敛;为降低算法的复杂度,提出衡量范数能量作为水平集进化的终止条件;最后结合局部灰度阈值法进一步分割粘连细胞.将该算法应用于2组细胞图像序列共120帧图像的分割中,不但解决了时间序列图像成像时焦距偏移带来的分割难题,而且能够准确地分离粘连、团簇细胞,并保留细胞的形态特征和位置信息.统计结果表明,分割成功帧所占整个序列的百分率较分水岭算法、传统水平集分割算法提高了30%～40%.

基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。