電化學(xué)發(fā)光(ECL)圖像處理算法的研究.pdf

1、邊緣作為反映物體形態(tài)最重要的特征之一，在圖像處理中始終扮演著重要角色。如何從復(fù)雜的電化學(xué)發(fā)光圖像中準(zhǔn)確提取發(fā)光物體的邊緣，也是研究人員一直關(guān)注的重點(diǎn)。雖然能夠?qū)崿F(xiàn)邊緣檢測(cè)的算法眾多，但是適用于電化學(xué)發(fā)光圖像的，少之又少。電化學(xué)發(fā)光成像分析作為REFP-1型分析儀器的重要組成部分，一直不能完整地檢測(cè)圖像中的目標(biāo)邊緣和亮度信息。為完善分析儀器的此項(xiàng)功能，本文進(jìn)行了相關(guān)功能模塊的設(shè)計(jì)與實(shí)現(xiàn)。
　　在圖像邊緣清晰、對(duì)比明顯的情況下，常規(guī)邊

2、緣檢測(cè)算法能夠取得較佳的邊緣檢測(cè)效果。但是在將其應(yīng)用于灰度不均、含噪、復(fù)雜的電化學(xué)發(fā)光圖像時(shí)，通常不能提取出完整、連續(xù)、閉合的邊界。為獲取閉合邊界進(jìn)而將目標(biāo)部分從電化學(xué)發(fā)光圖像中分離出來(lái)，本文提出了基于小波變換、Canny邊緣檢測(cè)以及梯度矢量流形變模型的新型邊緣檢測(cè)算法(SCGVF)。
　　本文首先介紹了邊緣檢測(cè)技術(shù)的應(yīng)用發(fā)展?fàn)顩r和項(xiàng)目所依托的REFP-1型電化學(xué)發(fā)光分析儀器的硬件平臺(tái)。
　　其次針對(duì)目標(biāo)形態(tài)分析的這一需求，

3、詳細(xì)討論了基于區(qū)域和基于邊界的圖像分割理論，并分別采用區(qū)域生長(zhǎng)算法和經(jīng)典邊緣檢測(cè)算法對(duì)電化學(xué)發(fā)光圖像進(jìn)行了初步測(cè)試。經(jīng)過(guò)測(cè)試發(fā)現(xiàn)，區(qū)域生長(zhǎng)算法在圖像均勻、邊界清晰的情況下能夠比較有效地將目標(biāo)分離出來(lái)；經(jīng)典邊緣檢測(cè)算法也能夠大致檢測(cè)出邊緣，但是檢測(cè)的邊緣通常不連續(xù)而且常包含大量的偽邊緣，并不能達(dá)到真正將目標(biāo)分離的目的。
　　再次，本文重點(diǎn)討論了基于梯度直方圖凹度分析的Canny邊緣檢測(cè)算法、小波變換技術(shù)以及梯度矢量流形變模型。綜合這

4、三項(xiàng)技術(shù)優(yōu)勢(shì)，提出了采用小波變換進(jìn)行圖像預(yù)處理、采用改進(jìn)型 Canny檢測(cè)的邊緣作為映射基礎(chǔ)圖、使用梯度矢量流模型進(jìn)行邊界提取的SCGVF算法，并對(duì)SCGVF的算法性能進(jìn)行了實(shí)驗(yàn)測(cè)試，結(jié)果表明SCGVF算法具有良好的目標(biāo)形態(tài)提取性能，能夠滿足實(shí)際需求。接著在 SCGVF算法檢測(cè)結(jié)果的基礎(chǔ)上，簡(jiǎn)略說(shuō)明了目標(biāo)部分發(fā)光強(qiáng)度的統(tǒng)計(jì)方法。
　　最后，為算法設(shè)計(jì)了簡(jiǎn)約、易用的圖形化操作界面，并對(duì) GUI的功能和操作進(jìn)行了詳細(xì)的描述，通過(guò)封裝使