電化學發(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。如何從復雜的電化學發(fā)光圖像中準確提取發(fā)光物體的邊緣，也是研究人員一直關注的重點。雖然能夠實現(xiàn)邊緣檢測的算法眾多，但是適用于電化學發(fā)光圖像的，少之又少。電化學發(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圖像中的目標邊緣和亮度信息。為完善分析儀器的此項功能，本文進行了相關功能模塊的設計與實現(xiàn)。
　　在圖像邊緣清晰、對比明顯的情況下，常規(guī)邊

2、緣檢測算法能夠取得較佳的邊緣檢測效果。但是在將其應用于灰度不均、含噪、復雜的電化學發(fā)光圖像時，通常不能提取出完整、連續(xù)、閉合的邊界。為獲取閉合邊界進而將目標部分從電化學發(fā)光圖像中分離出來，本文提出了基于小波變換、Canny邊緣檢測以及梯度矢量流形變模型的新型邊緣檢測算法(SCGVF)。
　　本文首先介紹了邊緣檢測技術的應用發(fā)展狀況和項目所依托的REFP-1型電化學發(fā)光分析儀器的硬件平臺。
　　其次針對目標形態(tài)分析的這一需求，

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

4、三項技術優(yōu)勢，提出了采用小波變換進行圖像預處理、采用改進型 Canny檢測的邊緣作為映射基礎圖、使用梯度矢量流模型進行邊界提取的SCGVF算法，并對SCGVF的算法性能進行了實驗測試，結果表明SCGVF算法具有良好的目標形態(tài)提取性能，能夠滿足實際需求。接著在 SCGVF算法檢測結果的基礎上，簡略說明了目標部分發(fā)光強度的統(tǒng)計方法。
　　最后，為算法設計了簡約、易用的圖形化操作界面，并對 GUI的功能和操作進行了詳細的描述，通過封裝使