下载文档原格式
2019年软 件2019, V ol. 40, No. 4基金项目: 福建省教育厅科技项目(JA15640)作者简介: 范群贞(1985-)，女，硕士，讲师，主要研究方向：智能信息处理与多媒体通信，图形图像处理等；吴浩(1986-)，男，硕士，讲师，主要研究方向为通信技术，无线通信，数字通信等；林真(1985-)，女，硕士，讲师，主要研究方向为机电技术，自动控制等。
通讯联系人: 范群贞(1985-)，女，硕士，讲师，主要研究方向：智能信息处理与多媒体通信，图形图像处理等。
改进的分水岭算法在医学图像分割中的应用范群贞*，吴 浩，林 真（福建农林大学金山学院，福建 福州 350002）摘 要: 分水岭算法是一种常用的图像分割方法，由于分水岭算法是基于的图像灰度梯度，对噪声很敏感，直接运用分水岭算法分割图像，很容易产生过分割。
为了去除过度分割，为此本文提出了一种改进的分水岭分割方法，首先利用中值滤波消除噪声，再用形态学基本运算得到梯度图像，然后利用形态学开、闭操作重建梯度图像，最后通过实验证明，基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。
关键词: 分水岭算法；形态学；医学图像；图像分割中图分类号: TP391.41 文献标识码: A DOI ：10.3969/j.issn.1003-6970.2019.04.016本文著录格式：范群贞，吴浩，林真. 改进的分水岭算法在医学图像分割中的应用[J]. 软件，2019，40（4）：81-83Application of an Improved Watershed Algorithm on Medical Image SegmentationFAN Qun-zhen *, WU Hao, LIN zhen(JinShan College of Fujian Agriculture and Forestry University, Fuzhou 350002, China )【Abstract 】: Watershed algorithm is a commonly used image segmentation. Watershed algorithm is based on image gray gradient and sensitive to noise.It is easy to generate over-segmentation by directly using watershed algorithm to segment images. In order to remove the over-segmentation, an improved watershed segmentation method is pro-posed in this paper. Firstly, the median filter is used to eliminate noise, and the gradient image is obtained by mor-phological basic operations, then the gradient image is reconstructed by morphological open and close operations. Finally, experiments show that the watershed algorithm based on mathematical morphology is better than the tradi-tional watershed algorithm in medical image segmentation.【Key words 】: Watershed algorithm; Morphology; Medical image; Image segmentation0 引言图像分割[1]技术是把图像分成若干个有意义的区域，再把感兴趣的目标提出来的过程，是图像分析和理解的关键步骤。
改进的分水岭算法用于X光医学图像分割戴橙;陈胜【摘要】为了提高医学图像分割质量,提出了一种基于X光医学图像的改进分水岭算法.算法在应用分水岭算法前首先对感兴趣图像进行预处理,包括对感兴趣区域进行最小阈值法,分离背景区,对前景区运用腐蚀和膨胀运算得到候选区;在分水岭变换过程中,通过像素聚类合并准则,将与主像素聚类有相同特性的次像素聚类加入到分割结果中,最终得到合并区域.试验证明,这种改进的分水岭算法使过分割现象得到减少,有效地分割和提取医学图像中的病变区域.【期刊名称】《电子科技》【年(卷),期】2015(028)006【总页数】4页(P9-12)【关键词】分水岭算法;医学图像分割;聚类合并【作者】戴橙;陈胜【作者单位】上海理工大学光电信息与计算机学院,上海200093;上海理工大学光电信息与计算机学院,上海200093【正文语种】中文【中图分类】TP391.4医学图像包含病变区域和背景区域，对医生来说，病变区域包含了重要价值的诊断信息，尽管病变区域在整个图像中所占的面积小，提取代价高，但价值也高。
因此，分割病变区域一直是医学图像处理的重要环节。
目前用于图像分割的算法有多种，但还没有一种适用于医学界的可靠图像分割方法，主要原因是医学图像的复杂性和多样性。
分水岭算法最早由Beucher S和 Vincen L提出［2－3］，它是基于一种数字形态学理论的分水岭算法(Watershed)，由于它简单、直观、速度快可并行处理，对微弱的边缘信息敏感，且可得到单像素、连通、位置准确的轮廊，因此，近年来，风水岭算法已经得到了广泛应用。
但同时该方法又有一些严重的缺点，它对噪声敏感，且容易造成过分割的问题。
通常克服这些问题的方法有两种:(1)在引用分水岭算法前对图像进行预处理。
(2)是在引用分水岭算法后通过一定的合并方法对图像小区域进行合并整合［4－5］。
很多学者对此做了相关研究。
文献［6］提出了一种分水岭变换后进行基于空间模式聚类算法合并方案的分水岭算法;文献［7］提出了一种自适应标记提取的分水岭分割算法。
第37卷第9期2022年9月Vol.37No.9Sept.2022液晶与显示Chinese Journal of Liquid Crystals and Displays基于NODE-UNet++和标记分水岭算法的红细胞图像分割荣亚琪1，2，张丽娟2，崔金利3，苏伟4，盖梦野1*（1.吉林农业大学信息技术学院，吉林长春130118；2.长春工业大学计算机科学与工程学院，吉林长春130012；3.长春中医药大学附属医院医药影像科，吉林长春130000；4.长春中医药大学医药信息学院，吉林长春130117）摘要：对血液涂片图像中的红细胞进行精确分割是一项重要的技术，也是一个难题，主要是因为红细胞经常重叠，没有明显边界。
针对此问题，本文提出一种基于U-Net++和神经常微分方程（Neural Ordinary Differential Equations，NODE）的深度学习网络NODE-UNet++用于红细胞的初步分割，再利用标记分水岭算法分割血液涂片图像中的粘连红细胞。
首先对图像进行裁剪和标注，突出待分割区域；然后应用新的语义分割体系结构NODE-UNet++对预处理后的图像进行初始分割得到概率灰度图；最后采用标记分水岭算法将灰度图中的粘连红细胞分离，得到最终红细胞分割结果图。
实验结果表明，Dice系数达到96.89%、平均像素准确率达到98.97%、平均交并比达到96.33%。
通过对不同血液涂片图像的分割结果表明，该方法能高效精确地提取每个红细胞，满足后续红细胞图像处理的需求。
关键词：图像分割；红细胞；神经常微分方程；标记分水岭算法中图分类号：TP391文献标识码：A doi：10.37188/CJLCD.2022-0009Red blood cell image segmentation based onNODE-UNet++and marker watershedRONG Ya-qi1，2，ZHANG Li-juan2，CUI Jin-li3，SU Wei4，GAI Meng-ye1*（1.School of Information Technology，Jilin Agricultural University，Changchun130118，China；2.School of Computer Science and Engineering，Changchun University of Technology，Changchun130012，China；3.Department of Radiology，Affiliated Hospital of Changchun University of Chinese Medicine，Changchun130000，China；4.College of Medicine Information，Changchun University of Chinese Medicine，Changchun130117，China）Abstract：Accurate segmentation of red blood cell（RBC）from blood smear images is an important technique 文章编号：1007-2780（2022）09-1190-09收稿日期：2022-01-15；修订日期：2022-02-25.基金项目：国家自然科学基金（No.61806024）；吉林省教育厅科学研究项目（No.JJKH20210747KJ，No.JJKH20200678KJ）；吉林省生态环境科学研究项目（No.202107）Supported by National Natural Science Foundation of China（No.61806024）；Scientific Research Project ofJilin Provincial Department of Education（No.JJKH20210747KJ，No.JJKH20200678KJ）；Ecological Envi‐ronment Scientific Research Project of Jilin（No.202107）*通信联系人，E-mail：mengyeg@第9期荣亚琪，等：基于NODE-UNet++和标记分水岭算法的红细胞图像分割and a difficult problem，mainly because RBCs often overlap and have no distinct boundaries.To solve this problem，a deep learning network called NODE-UNet++is proposed，which is based on U-Net++and neural ordinary differential equations（NODE）.It is mainly used for pre-segmentation of RBCs，and then the marker watershed algorithm is adopted to segment clustered RBCs from blood smear images.Firstly，an image is clipped and labeled to highlight the region to be segmented.Then，a new semantic segmentation architecture NODE-UNet++is applied for pre-segmentation of the preprocessed image to obtain the probability grayscale image.Finally，the marker watershed method is used to separate the clustered RBCs in the grayscale image to obtain final RBC segmentation result.The experimental results show that the Dice similarly coefficient is96.89%，the mean pixel accuracy is98.97%，and the mean intersection over union is 96.33%.Segmentation results of different blood smear images show that the proposed method can extract each RBC efficiently and accurately to meet the requirements of subsequent RBC image processing.Key words：image segmentation；red blood cell；neural ordinary differential equations；marked water‐shed algorithm1引言红细胞是血液中最丰富的血细胞，其主要作用是运输氧气和一部分二氧化碳［1］。
基于改进分水岭算法和Canny算子的医学图像分割
林道庆;高智勇;陈心浩
【期刊名称】《中南民族大学学报（自然科学版）》
【年(卷),期】2007(026)003
【摘要】针对分水岭算法存在的过分割问题和医学图像的特点,比较并选取了彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的,然后利用阈值分割方法消除无效梯度信息,并用分水岭算法处理所得到的梯度图,再结合Canny算子提取的物体边缘得到分割结果.实验结果表明:该方法能够有效消除局部极小值和噪声干扰,得到精确的分割结果.
【总页数】5页(P62-66)
【作者】林道庆;高智勇;陈心浩
【作者单位】中南民族大学,电子信息工程学院,武汉,430074;中南民族大学,电子信息工程学院,武汉,430074;中南民族大学,电子信息工程学院,武汉,430074
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于改进分水岭算法的医学图像分割的研究 [J], 刘喜英;吴淑泉;徐向民
2.基于改进K-均值与分水岭算法的医学图像分割 [J], 周燕琴;吕绪洋
3.基于改进分水岭算法的医学图像分割 [J], 张利红;梁英波;李向东
4.基于改进K-均值与分水岭算法的医学图像分割 [J], 周燕琴;吕绪洋
5.基于改进Canny算子的双水平集医学图像分割 [J], 李祥健;朱家明;徐婷宜
因版权原因，仅展示原文概要，查看原文内容请购买。
