嗜酸性粒细胞胃肠炎(EG)是一种以外周血嗜酸性粒细胞(EOS)增多为特征的胃肠道疾病,其主要诊断依据为消化道黏膜标本病理切片中嗜酸性粒细胞的数目是否超标。利用计算机图像分析算法对病理切片图像中的嗜酸性粒细胞进行识别并计数,旨在辅助病理医生人工计算EOS的数目,减少医生的工作量,提高工作效率。采用鲁棒性较强的分水岭算法作为识别EOS的核心算法,并通过距离变换和前后景标记的改进算法解决传统分水岭算法中的过分割问题,提高识别计数的准确性。采用改进分水岭算法对EG病理图像中的EOS进行识别计数,并将其与病理医生的金标准进行比对。改进分水岭算法的平均准确率为95.0%。与传统算法相比,改进算法准确率的相对标准方差由5.8%提高到2.2%,过分割率由13.4%降低为3.7%,算法的运行时间由40 s缩短为27 s左右。

由于脑部结构复杂,存在精密纹理并且由于成像技术的限制,传统分水岭算法分割脑肿瘤很容易产生过分割问题.本文提出一种改进的分水岭算法解决此过分割现象.在应用分水岭算法之前对图像进行一些预处理:首先,应用形态学开闭重建重构原图像,滤除噪声和复杂细小的纹理;其次,对重建后的图像做多尺度形态学梯度,并对修改了标识符的梯度图像进行分水岭算法分割.实验结果表明:结构元素半径大小取17~22,肿瘤能够完全地分割出来.与传统的分水岭分割算法相比,本文所采用的算法很好地抑制了过分割问题,可以很容易地分割出肿瘤.

粘连细胞的分割是医学细胞图像处理中的关键, 随着形态学在图像分割中的应用, 分水岭分割成为粘连细胞分割中最有效的方法之一。然而, 由于巨噬细胞图像中的噪声和形态的不规则性, 传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取“种子点”, 并将其中距离小于某一阈值的两两“种子点”合并得到新的“种子点”, 在新“种子点”重新分布的距离图基础上使用分水岭分割。实验结果表明: 该算法虽然要比传统分水岭算法多花费些时间, 但可以有效地分割粘连巨噬细胞并抑制过分割现象。分割后, 对细胞进行标记并提取细胞的特征参数, 如周长、面积、圆度因子、灰度均值等。

本文提出了一种基于马尔可夫随机场的运动目标检测算法。针对传统时间分割使用主观固定阈值的缺点,使用马尔可夫随机场模型对差分图像建模,并提出了一种新的模型阶次选择算法,以及一种可以加速收敛过程的随机场迭代算法。采用期望最大算法获取高斯分布参数并检测运动变化区域,利用形态学运算修正时间分割模板;空间分割部分提出了基于人眼视觉特征的改进分水岭算法,有效地解决了过分割问题;最后对时、空间分割结果进行信息融合处理,从而得到完整的运动目标。仿真实验结果证明了本文算法可以有效地分割视频运动目标。

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法.该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.