2022年基于双边滤波的主动轮廓模型细胞图像分割方法.docx
精品学习资源基于双边滤波地主动轮廓模型细胞图像分割方法争论摘要： 区域主动轮廓模型采纳先验学问指导建立分割模型, 并在分割地过程中采纳水平集演化地方式使得零水平集自动收敛于目标物体地边界 . 在采纳该模型进行分割之前 , 通常都采纳高斯滤波器对图像进行滤波 , 但是高斯滤波器在对物体进行平滑操作地同时, 也会造成物体边界地弱化 , 从而影响分割成效 . 本文将双边滤波和区域主动轮廓模型结合起来 , 充分利用双边滤波在平滑目标内部地同时不弱化边界地特点 , 在利用区域主动轮廓模型进行分割之前使用双边滤波对图像进行处理 , 试验结果显示使用本方法进行分割得到地结果精确性得到了提高 .abstract: regional initiative contour model uses priori knowledge to guide the establishment of segmentation model, and adopts level set evolution to make the zero level set automatic convergence in the boundary of the target object in the process of segmentation. beforeconducting segmentation by the model, we adopts gaussianfilter to filter the image, but it also cause a weakeningof the object boundary when gaussian filter conducts the smooth operation on the objects, thus affecting the segmentation results. this paper combines with bilateral filtering and regional active contour model, takes full advantage of the characteristics which the bilateral欢迎下载精品学习资源filter does not weaken the boundary when conducting the smooth operation on the objects, and uses bilateralfilter for image processing before segmentation by usingregional initiative contour model. experimental results show that this method can improve accuracy when conducting segmentation.关键词： 图像分割；双边滤波；区域主动分割模型；水平集key words: image segmentation； bilateral filtering；regional initiative segmentation model； level set0引言在各种图像处理包括细胞图像处理过程中, 经常会使用高斯算子对对图像进行滤波处理 . 其主要地缘由是真实图像由于设备地限制, 一般都带有噪声 , 需要使用肯定地算法对图像进行平滑处理.处理噪声地方法许多 , 从处理方法上来说 , 主要分为空域滤波和频域滤波 . 空域滤波技术主要有均值滤波、中值滤波、高斯滤波1 、拉普拉斯变换等各种方法 .频域滤波是先将时域信息转换到频域 , 在频域中对图像信息进行处理, 处理完毕后再转换成时域地一种方法 .在进行图像分割过程中 , 挑选合适地去噪增强算子对图像进行处理直接影响到分割处理地成效 . 双边滤波自从被提出以来 , 由于其具有保留边界地同时又能起到平滑地应用成效, 被广泛应用于各种图像增强之中 . 本文将双边滤波算子引入主动轮廓分割模型, 并将欢迎下载精品学习资源构造出来地区域主动轮廓模型应用于图像分割过程中, 推导出水平集函数地演化过程 . 并将该水平集分割函数应用于详细地细胞图像分割过程之中 .1 基于双边滤波地图像分割能量传导模型1.1 双边滤波介绍二维图像可以定义为一个二维矩阵 , 其中每个元素对应相应位置地像素 , 元素值即为该像素地灰度值 .记 ip 为图像位于位置 p=pi,pj>处地像素值 , 记 fi为应用滤波器 f 到图像 i 地结果.高斯滤波运算公式为：gfip=g<p-q ） i <1）其中 p-q 为像素 p 和像素 q 之间地距离 , 而为 g<i,j）二维高斯函数 .高斯滤波是目前图像处理中使用地应用广泛地一种滤波方式, 其具有运算快速 , 成效稳固等等众多优点 . 这主要是由于二维高斯函数具有许多优点 2.但是同时高斯滤波器也存在一些缺点 , 如：高斯滤波会使得图像中物体边缘模糊化 , 仍会使得物体边界显现空洞现象. 而这些特性使得相应地图像处理变得困难.双边滤波是 c.tomasi和 r.manduchi3提出了一种非迭代地简洁策略, 是一种可以保边去噪地滤波器 4.之所以可以达到此去噪成效, 是由于滤波器是由两个函数构成 . 一个函数是由几何空间距离打算滤波器系数而另一个函数由像素差值打算滤波器系数. 其运算公式如下：欢迎下载精品学习资源bfip= g < p-q ） g<i -i ） i <2）其中 bfip为 p 处地滤波后地灰度值 ,g <p-q ）项为空域权值,wp 为作用像素地权系数之和 , 起正规化作用 . 其值为：wp= g <p-q ） g <i -i ） <3）g<i -i ）为新显现地项 , 其描述了作用像素与目标像素之间灰度值差地影响 . 像素 p 与 q 之间地灰度值差越大 , 就 q 对 p 地影响越小；而假如两者之间地灰度值差越小, 就 q 对 p 地影响越大 .该项说明灰度值差地影响也符合高斯分布.双边滤波是对高斯滤波进行修正地结果 , 主要是增加了灰度差地影响. 不同地灰度差影响对滤波结果不同 , 反映到滤波器模板上表达为不同地像素所对应地模板不同 , 部分灰度差地像素影响值小 .1.2 基于双边滤波地双水平集图像分割算法在细胞分割中 , 可以利用细胞地结构来构造主动轮廓模型地能量函数, 在文章5,6 中, 用于细胞图像分割地双水平集函数分割模型中地能量函数为：fcell<g0,g1,f10,f11,c1,c2）=1 insidec1><k1<x-y ） ig-g1<x ） 2dy）dx+2outsidec1><k 1<x-y ）ig-g0<x ）2dy） dx+3insidec1>&insidec2><k 2<x-y ） i-f11<x ） 2dy） dx+4insidec1>&outsidec2><k2<x-y ） i-f10<x） 2dy）dx+v1 c1+v2 c2<4）其中,c1 为细胞质和背景地边界 ,c2 为细胞质和细胞核地边界,ig为原图像和梯度图像地合成图像 ,f10和 f11 分别代表细胞欢迎下载精品学习资源质、细胞核原图像地近似图像和背景地近似图像,g0 和 g1 为 ig 地近似图像 .insidec1>表示细胞质和细胞核部分 ,outsidec1>表示背景部分 ,insidec1>&insidec2>表示细胞核部分,insidec1>&outsidec2>表示细胞质部分 .详细水平集演化公式及推导过程详见文章5.2 基于双边滤波地双水平集图像分割算法实现双边滤波地函数独立于其它操作 , 所以在算法实现上 , 可以先将整个流程变为先进行滤波 , 再进行水平集演化分割过程 . 算法实现过程如图 1 所示：可以第一对图像进行双边滤波运算 , 然后进行分割运算 .3 试验结果及争论经过大量地试验显示 , 采纳本文介绍地方法能够充分结合双边滤波和主动轮廓模型地优点 , 得到中意地分割成效 .综上所述 , 由于双边滤波保留了边界信息 , 所以基于双边滤波地主动轮廓模型对于目标地边界部分分割情形较好. 达到了本文预期地分割目标 .参考文献：1 郭显久, 庄重, 王珂, 王伟. 基于高斯滤波器地尺度相乘边缘检测算法j.运算机工程与应用 ,2005,41<003 ）： 70-71.2 成鹏飞, 高阳, 王仲, 张马林. 复杂背景下圆形物体分割算法j.运算机应用 ,2006,26<10 ）： 2360-2361.3c. tomasi, r. manduchi. bilateral filtering for gray欢迎下载精品学习资源and color imagesm.1998.4s. mattoccia, s. giardino, a. gambini. accurate and efficient cost aggregation strategy for stereo correspondence based on approximated joint bilateralfilteringj. computer vision¨caccv 2021, 2021:371-380.5 ma jingfeng, bu jiajun, hou kai, bao shanglian, chen chun. an energy conduction model for cell image segmentationj. chinese science bulletin, 2021, 5610>:1048-1054.6 ma jing-feng, hou kai, bao shang-lian, chenchun. anew level set model for cell image segmentationj. chinese physics b, 2021, 20<2）： 028701<1-7） .欢迎下载
