《凹点检测分割算法综述》由会员分享，可在线阅读，更多相关《凹点检测分割算法综述（5页珍藏版）》请在金锄头文库上搜索。
1、基于凹点检测的粘连图像分割算法综述研究背景、意义、目的：（包含内容）根系CT成像特点（说明选择凹点检测方法意义、）、骨架模型提取意义（分 割对骨架模型提取的意义）、能解决的问题凹点检测分割方法应用场合（细胞分割、颗粒状检测、实现效果应用的方法，操作步骤（单张图像展示分割前后质心点坐标对比和图形对比、， 分支根夹角的计算，不分割直接提取骨架模型和分割后的骨架模型对比根系是植物从土壤中获取养分和水分的重要器官，根系的生长分布状况直接影响着植物吸 收水分和养分的能力。为了能测量根的结构，国内外一些学者先后用不同的方法对根进行可视化 以及分析，有用（ 、等方法。本文仅针对CT序列成像方法基础上进行研究
2、。基于 CT 扫描序列植物根系原位成像的优点是，能保证不伤害根生长情况下，对土壤里的根 进行可视化以及后续的构型分析。通过CT得到的序列图像为计算机断层图像，即为单张的图片， 并且按照从上往下的的顺序关系排列。如下是原图，采集的一组部分无土根系经过二值化后的序 列图像以及计算机中重建的三维图像：根据上图分析，根的成像特点，在根的上部分，接近圆柱得到的CT图像为近圆形图， 在分叉的地方会出现近“帽”状的图，即未完全分离的图。在细胞计数、果实颗粒、岩石等 计数应用中称为，为粘连区域，又或者为重叠区域，医学领域里又称为“泄露问题”。在此， 后文都称之为粘连图像。在分支后又形成细根的近圆形图，如下分别
3、是这组根系序列图的第 9 张，第 139 张，第 159 张。对于根系的 CT 序列图，要做构型参数测量，提取骨架模型是一种很常用的办法。这里所采 用的方法是，对每一张 CT 序列图像，找出质心点，然后再根据三维的空间拓扑关系连成线。根 据上述图像分析可知，第9张和第159 张图像的质心点很容易准确提取出来，而第 139张图像，质心会因为根分支没有完全分离而只有一个质心点的情况，这样就造成骨架模型提取错误，所以对这种尚未完全分离的根系图像，要进行分离，从而得出三个区域的质心点，即为正确的骨架点。 根据到的正确骨架模型，就可以进行根系的三维构型测量，如计算根长、根夹角、根个数、 根生长趋势预估等
4、特征。分析这组 CT 序列图像，发现出现粘连区域的图像有以下四种类型，这四种类型分别都 影响着质心点的提取：（1）细小侧枝的粘连（28）；（2）近椭圆的粘连（99），（3）主根分支 处的粘连（139），（4）因为成像噪声影响的粘连（149），对于质心坐标点的求取公式：g(i, j)ij为 Kg (i, j)KK y g(i, j)ijy = ij0 KKg (i, j)。其中第一种和i=1 j=1i=1 j=1第四种比较好处理，用简单的元素结构为5X5矩形的开运算即可得到准确的质心点位置，如 图所示，开运算前和开运算后的质心点坐标第二种和第三种图像用简单开运算就无法分离粘连区域，得不到准确的质
5、心点。根据上 述图像的特征，本文采用基于凹点检测的方法来对粘连图像进行分割。要采用凹点检测的方法对粘连图像分割，首先要找到粘连图像。根据图像特征，有以下 几种方法可供借鉴：区域的面积S此方法主要应用在目标形状大小均匀的目标上。例如细胞的分割中，正常的细胞经过染色 后，单个面积大小都在一定的范围之内。而粘连的细胞面积 S 就会是正常细胞的 1.5 倍或以上， 因此根据此特征就能准确判断大部分细胞是否为粘连细胞。圆形度P从方法主要应用在近似圆的目标并且形状大小相近的目标物体上，例如细胞的分割计数上、 苹果等采摘问题上，他们外形近似圆，根据预处理二值化操作后就比较明显地判断是否为粘连对 象区域。圆形
6、度是一个近似圆的概念，根据公式p=4nA/（c*c）便可求得，其中A表示为区域 轮廓面积，即区域像素个数，C表示区域轮廓的周长，即轮廓上像素间距，周长为可疑图元的边 界长度，可以通过计算边界链码长度得到。边界熵某个信源符号Xk，其出现的概率设为Pk，那么该信源包含的信息可以表示为I(X ) = log=-logpk p kk1 (Xk)称为Xk的自信息量，一个概率小的符号出现将带来更大的信息量，也就是说该信息量与该符号的概率倒数成正比。由N个符号集X=( X1, X2 Xn )构成离散信源的每一个符号的平均自信息量H (X)= -兰 p log pi 2 ii=1(X)边界熵反映的是边界点到中
7、心距离的离散程度。熵值越小，表明边界曲线距离值的变化幅 度就小，所含有的信息量就越少，即细胞各个边界离中心点的距离变化不大，为单个细胞的可能 性较大；相反熵值越大，则表明距离值就越离散，变化幅度就大，所含的信息就越多，即表明细 胞边界离中心点的距离变化差异很大，为粘连细胞的可能性越大。凹性度S凹性度表示时区域面积与最小凸多边形面积的比值：Solidity =，其中s表示区Sconvex域轮廓面积， Sconvex 表示细胞的最小凸多边形面积。最小凸多边形指的是最小包围区域轮廓的 凸包。当区域轮廓为圆形并边界光滑时， Solidity 的值较大；当区域轮廓比较凹陷，不规则时， Solidity
8、的值比较小。宽高比宽高比即为区域轮廓的宽度和高度的比值，用 K 表示，分别计算区域轮廓的左右极值之差W和上下极值之差：W=|right-left|, H=|bottom-top|，则宽高比为:K =。k值越大或越小，H说明粘连可能性大，接近于 1的时候，说明粘连的可能性小。矩形度矩形度用来反映区域轮廓形状偏离矩形的程度。用R表示，表示方法为R= S 。其中W x HS表示区域轮廓面积，W和H表示区域的高度和宽度。当R=1时，物体为矩形，当R=n/4时， 物体为圆形。当物体或者细长形态时，R的取值变小。凹点数目据检测的凹点数目作为判断是否为粘连，这里的检测出来的凹点数目存在伪凹点，并不是 真实的凹点。通过轮廓提取，曲线逼近，基于曲率计算及曲率极值判断，也有高阶链码方法或模 板卷积算法初步检测出凹点。根据检测出来的凹点数目来判断是否为粘连区域，如果凹点数目为 两个或者两个以上，则判定为粘连区域，如果没有凹点数目或者只有一个数目就判定为非粘连区 域。此方法大部分是针对目标物体具有稳定的形状特征，例如细胞、岩石等颗粒状目标物的分割。在判断出粘连图像后，就可以采用凹点检测的方法检测出凹点。凹点检测的方法主要有
