带亮度偏移场的皮肤显微镜图像分割方法研究

摘要

利用便捷的数字皮肤显微镜可以快速地获得皮肤显微镜图像。在对皮肤显微镜图像进行后续的皮肤老化量化评估之前，需要进行两个图像分割操作。一是将皮肤的皮沟和皮脊区域分离开，二是分割出皮沟中心线。然而，由于不均匀光照的原因，使得所获得的皮肤显微镜图像往往具有亮度偏移场，即图像灰度分布呈现为中间亮两边相对较暗，中间图像清晰，两边图像略显模糊。另外，采集到的皮肤显微镜图像中常常会有汗毛出现。
　　阈值分割和分水岭分割是两种经典的分割方法。但是，由于图像的亮度不均和汗毛的存在，已有的阈值分割方法和分水岭方法均不能很好地满足皮肤显微镜图像的分割要求。针对阈值分割方法和分水岭分割方法在分割皮肤图像中存在的问题，分别提出了一种基于边缘空间重叠度的皮肤显微镜图像阈值分割方法和一种基于几何信息区域合并的皮肤显微镜图像分水岭分割方法。其中，第一种方法用于分离皮肤图像中的皮沟和皮脊区域，第二种方法用于提取皮沟的中轴线。值得一提的是，第一种方法也被用于皮肤图像中的汗毛的检测，这对于汗毛的移除及皮沟中轴线的提取具有重要意义。
　　基于边缘空间重叠度的皮肤显微镜图像阈值分割方法利用二值图像间的边缘空间重叠度来确定图像的阈值。首先，该方法使用[Tmin,Tmax]之间的任一灰度值对皮肤图像进行阈值化，由此得到一个由(Tmax-Tmin+1)幅二值图像构成的阈值图像集；以此为基础，分别提取每一幅阈值图像的轮廓，由此得到一个阈值轮廓图像集CB。其次，该方法利用Sobel算子获取原皮肤图像的边缘梯度图，将边缘梯度图像进行二值化得到一个图像集EB，集合EB也是由(Tmax-Tmin+1)副二值图像构成。最后，该方法选取CB中的每幅图像和EB中的每幅图像进行图像空间重叠度的计算，将某一阈值下的(TmaxTmin+1)个空间重叠度进行累加，得到该阈值下对应的累积空间重叠度，比较累积空间重叠度的大小，最大时对应的阈值为最佳阈值。
　　基于几何信息区域合并的分水岭分割方法包括三大模块。第一模块是皮肤显微镜图像的预处理，主要涉及到对比度受限自适应直方图均衡化、均值滤波和形态学增强三个技术。其中，均值滤波尺度的大小对于后续分水岭的分割有重要影响，为此我们建立了一个均值滤波尺度空间模型以自动评估合适的均值滤波尺度。第二模块是利用基于标识的分水岭分割算法进行预处理后的图像分割。第三模块是根据图像的几何信息并结合视觉感知的先验知识，建立区域合并模型，该模型用于对过分割和错分割的区域进行区域合并，并最终提取出皮肤图像的皮沟中轴线。

目录

声明

选题的依据与意义

国内外文献资料综述

1绪论

1.1图像分割的意义和应用前景

1.2图像分割的国内外研究现状

1.3本文的主要研究内容及安排

2矫正图像亮度偏移场和去除皮肤图像汗毛

2.1矫正图像亮度偏移场

2.2去除皮肤图像的汗毛

3.1引言

3.2提出的方法

3.3实验结果与分析

3.4本章小结

4.1引言

4.2提出的方法

4.3实验结果与分析

4.4本章小结

5总结与展望

5.1总结

5.2展望

参考文献

附录：攻读硕士学位期间发表的部分学术论著

致谢