基于多尺度幾何分析的細胞圖像處理相關(guān)技術(shù)研究.pdf

1、隨著數(shù)字化信息的到來,特別是數(shù)字圖像處理技術(shù)的不斷發(fā)展,使得醫(yī)學圖像成為醫(yī)生診斷、治療的有力輔助手段成為可能。同時,利用這些圖像預處理技術(shù),還可以進一步的改善醫(yī)學圖像的質(zhì)量,以此來提高診斷的準確性。傳統(tǒng)的空域處理方法和傅里葉分析方法不能做到將信號在高維空間中進行稀疏表示,也不能有效的捕捉圖像中豐富的紋理信息。針對這一問題,隨著數(shù)學調(diào)和分析理論的發(fā)展,Donoho等人提出多尺度幾何分析概念。這一理論的提出,為信號在高維空間尋找一種最優(yōu)表示

2、成為可能,并通過其各向異性的特點捕捉圖像中豐富的方向紋理信息,在圖像去噪、增強、分割等方面得到了廣泛的應用。因此,本文將多尺度幾何分析方法引入細胞圖像處理中,其主要研究內(nèi)容包括以下幾個方面:
　　針對采集過程中由于光照不足而導致的對比度低、灰度分布不均等問題,提出一種結(jié)合非下采樣多尺度分析與Retinex模型增強方法,通過對圖像照射分量子圖像的估計,實現(xiàn)反射分量圖像的提取,使圖像的對比度得到提升。
　　針對圖像在拍攝時,由于

3、景深效應造成的對焦不準問題,本文提出一種基于多尺度分析的多聚焦圖像融合算法。該方法通過建立分解系數(shù)的能量直方圖,對系數(shù)分類,從融合源圖像中選取合適的融合系數(shù),得到清晰的融合圖像。
　　針對圖像采集中受到噪聲干擾的問題,本文分別討論了基于Curvelet、Contourlet、NSCT三種多尺度分析工具的去噪算法。為了充分的利用分解系數(shù)間的相關(guān)性,提出了一種基于NSCT變換的三變量去噪模型,將統(tǒng)計分析理論引入去噪過程,推導去噪收縮函

4、數(shù)表達式。由稀疏表示理論可知,信號的稀疏性是影響重構(gòu)精度的重要因素。因此,從提高信號稀疏性角度出發(fā),提出了一種基于三維協(xié)同濾波和系數(shù)分類處理的去噪方法,通過平面向立體的轉(zhuǎn)化以及分類處理思想,進一步改善去噪圖像的質(zhì)量?？紤]到實際中細胞的信息常以視頻信號的形式存儲,還提出了一種結(jié)合方向Context模型的Surfacelet視頻去噪方法,將視頻信號看做三維信號進行處理,對其進行立體多尺度幾何分析,實現(xiàn)噪聲的去除。
　　針對傳統(tǒng)分割方法

5、應用于細胞圖像存在的速度慢、邊緣分割精度低以及誤分現(xiàn)象等問題,本文分別提出了基于粒子群的二維Otsu方法和基于Contourlet域HMT模型與改進上下文結(jié)構(gòu)的圖像分割算法,實現(xiàn)準確、快速的輪廓分割。
　　最后,本文針對生物細胞結(jié)構(gòu)和形態(tài)變化的研究中細胞形態(tài)的識別和分割,討論了基于脈沖耦合神經(jīng)網(wǎng)絡(PCNN)的細胞圖像識別計數(shù)方法,利用PCNN交叉熵及自動波特征及正向傳播和反向傳播特性研究,提出了一種基于簡化PCNN模型進行分割的