腦神經(jīng)圖像處理方法研究.pdf

1、神經(jīng)元是構(gòu)成神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的基本單元，神經(jīng)元形態(tài)結(jié)構(gòu)的三維重建對于神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的研究具有重要的意義。共聚焦顯微成像在成像過程中有圖像退化和模糊現(xiàn)象。此外，神經(jīng)元圖像軸突和樹突等樹形結(jié)構(gòu)具有密度、尺度變化大，像素分布不均勻和背景目標混雜等問題，這給神經(jīng)元樹形結(jié)構(gòu)的分割帶來了很大的困難，從而不利于神經(jīng)元形態(tài)結(jié)構(gòu)的三維重建。針對上述問題，本文將從圖像復原和去燥、樹形結(jié)構(gòu)增強與二值化、樹形結(jié)構(gòu)追蹤方面展開研究，主要研究內(nèi)容如下:

2、>　　首先，針對共聚焦顯微成像過程中的圖像退化和模糊現(xiàn)象，本文引入了反卷積算法對圖像進行復原處理。通過分析成像過程中的圖像退化原因，建立了退化模型，并通過對比實驗分析了約束最小二乘反卷積算法和Lucy-Richardson反卷積算法。此外，針對神經(jīng)元圖像的噪聲特點和神經(jīng)元的結(jié)構(gòu)特點，通過對比實驗分析了幾種具有邊緣保留特性的去噪算法對于神經(jīng)元圖像去噪的適應性。
　　其次，針對神經(jīng)元圖像像素分布不均勻、線形結(jié)構(gòu)尺度變化大的特點，本文在

3、借鑒血管、視網(wǎng)膜等圖像線形結(jié)構(gòu)分割算法的基礎上，將多尺度線形結(jié)構(gòu)增強濾波運用于神經(jīng)元圖像軸突和樹突的分割。針對分割結(jié)果存在尺度間不連續(xù)的問題，引入了各向異性高斯平滑算法，借鑒各向異性濾波的思想，本文設計了一種各向異性均值和中值濾波算法。經(jīng)實驗驗證，這種算法在保持線形結(jié)構(gòu)原始尺度不變的同時，很好的解決了多尺度融合時尺度間不連續(xù)的問題。
　　然后，針對神經(jīng)元圖像背景和目標的特點，分析了傳統(tǒng)閾值化方法對神經(jīng)元圖像分割的優(yōu)缺點。在此基礎上

4、，本文設計了一種基于連通域的二值圖像線形結(jié)構(gòu)分割方法，在本文算法中，參與閾值化的對象不再是孤立的像素點，而是連接起來的連通域。經(jīng)實驗驗證，本文算法可以較好的提取出經(jīng)局部閾值化方法處理后的圖像中的線形結(jié)構(gòu)，本文算法為噪聲干擾嚴重的二值圖像中線形結(jié)構(gòu)的提取提供了一種新的思路。
　　最后，因為上述的研究都是以全局處理為結(jié)果的，研究人員無法對感興趣結(jié)構(gòu)或重要結(jié)構(gòu)進行重點處理，也就是說缺乏交互性。此外，全局處理通常只有在圖像成像質(zhì)量高的情況