基于Hough变换的显微图像分割方法研究

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。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 选题背景与研究意义

1.2 国内外研究现状及进展

1.3 本文安排

2 显微图像分割的理论基础

2.1 常用显微图像分割方法

2.2 显微图像分割效果评价

2.3 小结

3 基于弦中点Hough变换的改进分割算法