基于最大类间方差的医学显微图像分割研究

摘要

显微图像的获取使得医学研究进入细胞层面，拍摄病变组织切片获得的显微图像使得医生可以更加准确地判断病情。计算机技术的日新月异使得其在医学显微图像处理领域应用越来越广。将计算机和医学显微图像相结合的许多课题吸引了当前相关科研人员的极大兴趣，医学显微图像的快速自动分割便是其中之一。免疫组织化学（IHC）通过细胞抗体的呈色反应对其进行信息提取，是生物成像的核心技术。近年来，许多过去无法确诊的肿瘤由于IHC技术的出现得到了诊断。最大类间方差法（OTSU）是一种自动的无参图割方法，它运算简单且分割效果优良，在图割领域得到广泛应用。本文针对OTSU分割IHC图像的结果中存在很多阴性区域，并且富含噪声的不足作出改进，主要工作有：
　　（1）结合HSV空间的改进算法。IHC图像在用OTSU分割之后得到的结果中存在很多阴性区域，分割不完全，并且富含噪声，这将导致在后期的医学计量中出现统计错误。IHC图像在HSV空间里的H分量主要存在阴性区域，S分量主要存在阳性区域，据此提出改进算法：首先利用OTSU对图像作粗分割，然后利用图像HSV空间中的H分量和S分量的集合运算对粗分割结果进行改进，实验显示，改进算法更为精确地实现了IHC图像中阳性区域的提取。
　　（2）二维OTSU免疫组化图像分割算法。OTSU算法通过计算背景与目标间离散测度矩阵的迹以得到最佳分割阈值，当图像的目标和背景灰度相近时，其灰度直方图可能无法表现出波峰和波谷，使用该直方图获得的阈值将造成错分割。因此，本文将一维OTSU扩展至二维，建立像素灰度与其邻域灰度均值的二维灰度直方图，使用二维OTSU对大鼠肝脏IHC图像的阳性区域进行粗提取，然后利用图像HSV空间中的H分量和S分量的集合运算对提取结果进行改进，取得了更优良的分割效果。
　　（3）二维OTSU算法的快速优化。针对基于HSV空间的二维OTSU分割算法存在的每次计算目标与背景的类间离散测度矩阵的迹，都需遍历整幅图像，运算量较大的不足，本文作出改进，利用前面计算出来的已知量来简化对当前位置相关量的计算，大大提升了分割效率。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 课题研究背景及意义

1.2 医学显微图像分割技术的国内外研究概况

1.3 本文研究内容及章节安排

第二章 医学图像分割综述

2.1 图像分割概述

2.2 基于区域的分割方法

2.3 基于边缘的分割方法

2.4 基于区域和边界的综合方法

2.5 本章小结

第三章 IHC图像分割

3.1 IHC图像的特点

3.2 OTSU原理

3.3 OTSU的阈值分析

3.4 OTSU阈值的快速计算

3.5 分割结果的去噪处理

3.6 本章小结

第四章 基于HSV空间的优化算法

4.1 颜色空间概述

4.2 医学图像的彩色模型表达

4.3 结合HSV空间的改进算法

4.4算法实现的具体流程和步骤

4.5实验结果与分析

4.6 本章小结

第五章 二维OTSU免疫组化图像分割算法

5.1 二维OTSU算法原理

5.2 二维OTSU快速实现算法设计

5.3 结合HSV空间的快速二维OTSU算法分割

5.4 实验结果与分析

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

攻读学位期间的研究成果