学位论文 > 优秀研究生学位论文题录展示
胃上皮细胞图像匹配及分割技术研究
作 者: 王雪虎
导 师: 甘岚
学 校: 华东交通大学
专 业: 计算机应用技术
关键词: 图像匹配 图像分割 胃上皮细胞 图像跟踪
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 17次
引 用: 0次
阅 读: 论文下载
内容摘要
医学图像匹配及分割技术发展至今,其相关算法种类繁多,层出不穷,但仍然无法完全满足人们.的实际需求。随着新理论.的不断发展,新图像匹配及分割方法也在不断地涌现,但在实际图像工程.中,同一种算法不可能都能达到理想的效果,任何一种单独.的算法难以对所有图像都取得比较满意.的结果。只能针对不同的图像选择不同.的方法,得到较好.的处理效果。本文以江西省科技厅项目<肿瘤诊断病理分析软件的研制>为背景,针对胃上皮细胞图像的细胞结构、形状、稀疏程度、排列形状、细胞核与细胞核之间、细胞核与腺管之间、腺管与腺管之间的粘连现象非常严重的特点,研究胃上皮细胞图像匹配及分割技术,主要做了以下工作:首先,利用SIFT算法对胃上皮细胞图像进行有效匹配,辅助医生查找不同病人相似区域的图片,较快.的分割和识别图像;查找出不清楚的或者光照条件相对较差的图像可以不做分割处理,提高了分割效率;还可以根据不清楚的病人图像找到相同区域相对清楚的图像进行分割操作,为医生提供更有效的细胞数据;并找到相同病人的不同时期的图像进行治疗成果的分析。第二,对匹配好的图像进行去噪预处理。并利用本文改进的Mean Shift分割算法:采用高斯核函数为Mean Shift算法的核函数,以单位矩阵为带宽矩阵对经过预处理的胃上皮细胞图像进行分割,经过定性的分割评价方法确定本文方法较好的改进了传统Mean Shift算法和分水龄分割算法等的过分割问题,以单位矩阵为带宽矩阵,提高了程序的运行效率,能更快更好的区分出细胞核、细胞浆和背景区域,较适合胃上皮细胞图像的分割。第三,利用图像跟踪算法得到分割图像的目标区域定量数据。设置一个二维链表,主链表跟踪腺体区域,副链表跟踪细胞区域。较好地把图像区分为连续封闭的细胞浆区域、细胞核区域、腺体和背景区域,并将细胞核和细胞浆保存为两条独立的二维链表,节约了内存,提高了细胞数据的检索效率,为细胞再一次检索及细胞特征参数的计算提供了方便。最后,本文把基于SIFT算子的匹配、基于改进Mean Shift算法及跟踪算法应用到肿瘤诊断病理分析软件中,并研制了一套比较完整的病理分析及信息管理系统。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第一章 绪论 9-16 1.1 课题的目的和意义 9 1.2 医学图像分割及匹配方法的国内外研究现状 9-12 1.2.1 图像分割技术研究现状 9-11 1.2.2 图像匹配技术研究现状 11-12 1.3 胃上皮细胞图像概括 12-14 1.4 本论文的主要内容和结构 14-16 第二章 医学显微图像匹配及分割方法概述 16-21 2.1 匹配特征概述 16-17 2.1.1 点特征 16 2.1.2 线特征 16 2.1.3 面特征 16 2.1.4 纹理特征 16-17 2.1.5 颜色特征 17 2.2 本文采用的匹配方法 17 2.3 分割方法概述 17-19 2.3.1 基于统计的分割方法 17-18 2.3.2 基于边缘的分割方法 18 2.3.3 基于区域增长分割技术 18 2.3.4 一些新方法 18-19 2.4 本文采用的分割算法 19-21 第三章 基于SIFT算法的图像匹配 21-26 3.1 概述 21 3.2 SIFT 算法 21-24 3.2.1 尺度空间 21-22 3.2.2 空间极值点 22 3.2.3 确定参数 22-23 3.2.4 极值点位置 23 3.2.5 方向分配 23-24 3.2.6 描述子生成 24 3.3 实验结果及分析 24-26 第四章 基于改进Mean Shift算法的图像分割及细胞跟踪 26-42 4.1 概述 26 4.2 本课题应用在胃上皮细胞图像上的分割方法 26-28 4.3 肿瘤显微细胞图像预处理 28-29 4.4 基于改进 Mean Shift 算法图像分割 29-33 4.4.1 图像分割 29-30 4.4.2 传统的Mean Shift 算法 30 4.4.3 改进的Mean Shift 算法 30-32 4.4.4 选择高斯核函数的意义 32-33 4.5 分割实验结果及分析 33-34 4.6 细胞提取 34-39 4.6.1 细胞区域标号 35 4.6.2 边界提取 35-37 4.6.3 定位细胞核和细胞浆 37-39 4.7 跟踪实验分析 39-40 4.8 跟踪结论与评价 40 4.9 结束语 40-42 第五章 算法在肿瘤诊断病理分析系统的应用 42-53 5.1 肿瘤诊断病理分析系统介绍 42-47 5.1.1 开发环境 42-43 5.1.2 系统功能介绍 43-47 5.2 分割算法在肿瘤诊断病理分析系统的应用 47-52 5.2.1 细胞参数获取 48-51 5.2.2 本文分割算法应用 51-52 5.3 结束语 52-53 第六章 总结和展望 53-55 6.1 工作总结 53 6.2 展望 53-55 参考文献 55-58 个人简历 在读期间发表的学术论文 58-59 致谢 59
|
相似论文
- 森林防火系统中图像识别算法的研究,TP391.41
- 红外图像匹配技术研究,TP391.41
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 个性化人工膝关节设计及其生物力学特性研究,R318.1
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 红外图像目标识别及跟踪技术研究,TP391.41
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 基于图割理论的图像匹配问题研究,TP391.41
- 基于特征描述的图像匹配方法研究,TP391.41
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 基于知识的脊柱MRI影像分割算法研究,TP391.41
- 计算机辅助髋关节置换手术系统研究与开发,TP391.41
- SAR成像目标识别子区选取与匹配方法研究,TN957.52
- 基于单目夜视图像的深度估计,TP391.41
- 基于稀疏分解的医学图像去噪,TP391.41
- 基于中介真值程度度量的图像分割方法研究,TP391.41
- 基于图像处理的棉花成熟度判定技术的研究,TP391.41
- 基于空间邻域词袋模型的图像标注技术,TP391.41
- 基于数字图像处理技术的路面裂缝检测算法研究,TP391.41
- 基于SOPC的高性能图像相关器的设计与实现,TP391.41
- Web图像搜索中基于GPU的图像分割技术术究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|