朱延娟, 倪周松[1]2015年在《基于离散点曲率的细胞图像形状特征表述》文中认为针对细胞图像形状特征的描述,提出了基于离散点曲率描述细胞图像形状特征,并提出了一种基于k-邻域内密切圆半径的离散点曲率计算方法。首先,通过Canny边缘检测算子提取细胞图像初始轮廓,再利用直线插补的方法将存在较大间断的初始轮廓填充完整;其次,依据密切圆半径与曲率的计算关系,通过对每一个轮廓点进行k-邻域内的密切圆圆心的定位和密切圆半径的计算求得各轮廓点处的离散点曲率;最后,将求得的离散点曲率作为形状特征描述因子描述细胞图像形状;同时,在不同k-邻域范围的情况下分别对同一细胞图像进行离散点曲率的计算和形状特征的描述,通过分析与比较,最终确定一个能以最少特征点反映更多细胞图像信息的k-邻域范围。经实例验证,基于k-邻域内密切圆半径的离散点曲率能够准确、可靠、高效地描述细胞图像形状特征。
梁光明[2]2008年在《体液细胞图像有形成分智能识别关键技术研究》文中研究指明医学显微图像自动识别与分析是生物医学工程领域的研究热点,实现临床镜检体液(尿液)细胞图像有形成分的自动识别与分析,可以提高医学检验效率与检验结果的科学性。论文围绕体液细胞图像有形成分智能识别关键技术展开研究,涉及图像预处理、图像分割、形状特征提取、纹理与颜色特征提取、细胞模式识别五个方面内容。对各种算法都进行了实验和分析,实现了体液细胞的智能识别。图像预处理方面,分析了尿液细胞图像的主要降质因素及噪声模型,结合图像特点设计了基于梯度的各向异性滤波算法与结合信息熵的自适应加权中值滤波算法,在选择性过滤图像背景噪声和脉冲噪声的同时,保留了图像中目标边缘细节信息。另外还设计了基于邻域对比度的边缘增强算法,改善了图像质量。图像分割方面,提出了多种自适应分割技术模型和基于分割评价的多层次分割算法,设计了基于细胞图像的多信息、多层次、多方法综合分割算法,实现了细胞图象的精准分割。结合区域分割与边界分割技术,提出了基于BP分割评价的多层次双阈值迭代分割算法和多层次自适应边缘检测算法。结合多信息分割技术,提出了一种融合邻域均值和灰度的二维阈值改进算法及融合空间位置、灰度、色彩信息的mean shift分割算法。为了克服每种分割算法引起的边缘断裂与粘连现象,提出了基于形态学多结构元边缘连接算法。形状特征提取方面,分析了影响形状特征的主要因素,建立了图像中有形成分形状语义描述模型。定义了一种基于区域弦分布的形状描述子。通过比对实验建立了有形成分傅立叶变换系数形状描述子。提出了一种结合曲率的多边形拟合形状描述方法和基于边界点的矩特征快速计算方法。最终建立了用于描述体液细胞图像中有形成分形状区别的35维鲁棒性形状特征矢量。纹理与颜色特征提取方面,通过研究各种有形成分图谱,建立了描述各种类型细胞纹理及颜色区别的语义模型,提出了一种加权综合共生矩阵的纹理特征描述方法,提出了一种融合纹理谱和Zemike矩特征描述方法,通过对细胞图像进行小波多尺度分析,提出了多尺度高频能量比和多尺度高频分布方向描述特细胞内部纹理的方法,提出了基于概率滑动窗口的区域颜色特征提取方法。最终建立了有效描述各种成分内部区别的32维纹理及颜色特征矢量。细胞模式识别方面,给出了细胞模式识别的基本框架和任务,用BP神经网络算法与ID3决策树算法实现了细胞模式识别,并对两种方法的性能进行了比对,确立了最终细胞识别算法。论文还提出了基于概率分布均衡技术的特征归一化算法,加快了BP网络、ID3算法的学习收敛速度,提高了识别率。
谷一鸣[3]2003年在《基于细胞图像形状特征的描述与分析》文中研究指明本文主要研究了如何提取体液细胞图像的形状特征，从而对体液细胞进行正确识别分类的问题。对图像目标的识别主要通过图像的纹理和形状两大类特征。本文主要完成了以下几部分工作： 1．在简要介绍图像的形状特征描述方法的基础上，对传统的形状特征描述方法的特点进行分析。 2．提出了一种基于细胞图像边缘直线拟合的细胞图像描述和分析的方法，对这种方法的原理、实现方法、实验结果和存在不足进行介绍和分析。 3．在VC++平台上实现此直线拟合算法，并利用此算法成功的提取了结晶与红白细胞的有效区别特征。
李明俐[4]2010年在《基于颜色与形状特征的图像检索技术研究及系统的设计与实现》文中研究说明本文利用图像处理、计算机视觉与数据库等技术,针对基于内容的图像检索的关键技术展开研究。特征提取时,基于图像本身蕴含的信息复杂且庞大,主要研究了如何充分、有效描述图像的颜色、形状特征。在颜色特征方面,主要基于颜色直方图与颜色矩,在不影响特征描述准确度的同时出于降低直方图维数的目的,改进了现有的颜色直方图,并在此基础上融合了颜色矩信息,同时在检索的时候,考虑到检索的时效问题,利用图像的平均色相似性系数与主色相似性系数构造出两幅图像的颜色相似性系数,通过设定阈值进行图库的过滤,搜索出一个大致符合检索要求的图像集,在过滤后的图像集中进行颜色特征的匹配与相似度量,从而缩小了图库的搜索范围,提高了检索速率。在形状特征方面,主要研究了Canny边缘提取算法的双阂值问题,以及基于多结构元的彩色形态学边缘提取算法,并结合5个推广的不变矩与7个Hu不变矩构成形状检索矢量进行图像形状的检索,由于增加了一些细节因素的思考,提高了检索的性能。基于单一特征的图像检索往往顾此失彼,无法综合各特征的优势。本文在单一的颜色与形状特征提取与检索研究基础上,综合了二者信息,实现了基于颜色相似性系数过滤图库的多特征综合图像检索。此处,形状特征的提取为基于多结构元彩色形态学边缘图像的边缘方向直方图描述子。通过研究分析图像检索系统模型,利用Visual C++6.0实现了一个图像检索的原型系统。从corel图库中任意抽取1000幅图像组成测试图像集,利用该系统,对上述方法进行了验证,实验表明：算法能够提高检索速率以及图像匹配的准确度。
张文斌[5]2011年在《基于形状的汉画像检索技术研究》文中研究说明基于内容的图像检索(Content-based Image Retrieval,简称CBIR)是一种利用图像的视觉特征(颜色、纹理、形状等)进行图像检索的技术。随着计算机科学和数据库技术的发展,CBIR己成为国内外的一个研究热点。论文首先回顾了基于内容的图像检索理论及其应用研究的发展过程,然后对基于内容的图像检索,尤其是基于形状的图像检索领域的技术和现状作了综述,并探讨了其中的一些关键技术。在此基础上,对图像底层的形状特征提取和检索展开详细的研究,其主要工作体现在:1.在分析汉画像实际特点基础上,结合各种图像预处理算法的特点,给出了具体的汉画像预处理过程,特别是汉画像中目标对象区域的获取及像素灰度值调整过程,实验证明是有效的、可行的。2.在利用数学形态学方法提取目标对象并调整了区域像素的灰度值的基础上,以图像的Hu不变矩作为形状特征,构造检索框架,并进行图像检索。3.给出了汉画像图像相似性匹配算法,从图像的形状特征出发,构造相似性匹配函数进行图像的相似度匹配。实验表明该算法有效可行,并具有稳定的检索性能。
彭太乐[6]2007年在《基于内容的图像检索中若干问题的研究》文中进行了进一步梳理基于内容的图像检索是一种利用图像的视觉特征(颜色、纹理、形状等)进行图像检索的技术。随着计算机科学和数据库技术的发展，CBIR已成为国内外的一个研究热点。文中首先回顾了基于内容的图像检索理论及其应用研究的发展过程，对基于内容的图像检索，尤其是基于轮廓的图像检索领域的技术和现状作了综述，并探讨了其中的一些关键技术。本文主要对图像底层的轮廓特征及高层语义的提取和检索展开详细的研究，并在此基础上给出了一个简洁、高效、实用的图像检索系统。本文的主要工作包括：1．讨论了轮廓分段算法，以轮廓的拐点对图像的轮廓进行精确分段，利用改进的边界跟踪法进行形状特征提取，构造以凹凸度及平均张角对图像的轮廓来进行标识；从而达到对轮廓的有效标识。2．在现有的基于形状的图像检索基础上，以图像底层的轮廓特征作为图像检索的指标，构造检索框架，以此来进行图像检索；试验表明，以这种检索框架建立检索系统，对复杂图像的检索效果良好。3．给出了一种新的图像相似性匹配函数，从图像的轮廓特征出发，构造相似性匹配函数进行图像的相似度匹配。本文最后根据以上算法通过实验对不同类型的图像进行检索，结果证明该算法进一步提高了复杂图像检索的效率和精度，并具有稳定的检索性能。
冷冰[7]2007年在《微生物菌种资源数据库管理系统平台设计和开发》文中指出微生物信息网站可以为用户提供翔实、共享的数据资源等信息，而网络数据库技术正是实现其应用的关键所在。因此，在现有的网络技术条件下，研究和应用面向微生物资源信息的实用性强的数据管理、维护、查询和发布技术，建立统一的微生物资源信息管理平台，对微生物资源信息化发展及资源信息共享具有深远的意义，为此需要建立微生物菌种信息管理系统。本文研究了图像预处理算法改善图像质量，为基于内容的图像检索技术打下基础。在基于内容的图像检索基本技术的基础上，结合微生物菌种图像特征研究合适的特征提取方法：由于很难有一个很好的分割算法适合于不同类型的微生物菌种图像，我们研究了形状索引特征算法提取图像形状特征参数；由于微生物菌种图像重迭严重、稠密，对于稠聚现象较严重的图像，我们研究了共生矩阵算法提取图像的纹理特征参数。实现了形状索引特征算法与共生矩阵算法，实验表明形状索引优于灰度共生矩阵，而两者结合能有效提高查准率。采用设计模式使得系统具有很好的扩展性和复用性。设计并实现了微生物菌种信息管理系统。通过引用VBA组件，实现了微生物菌种资源共性描述数据(标准Word文档)的自动导入数据库等管理方法，达到远程客户端快速批量导入信息资源的目的；以菌种相关信息为对象，采用计算机网络和数据库技术，建立微生物菌种资源数据库；实现了基于Web菌种的图像信息和文本信息的有效检索和信息共享。
杨敏[8]2007年在《基于内容的医学图像检索中特征提取技术研究》文中认为随着医学数字化影像设备在临床工作中日益广泛的应用，大量的医学图像数据随之产生。传统的医学档案管理系统采用简单的基于标注的图像数据库甚至完全人工的方法来管理图像数据，严重影响了图像在诊断过程中作用的发挥。如何有效地组织、管理和检索医学图像成为当前迫切需要解决的问题。基于内容的图像检索技术(CBIR，Content-Based Image Retrieval)是利用图像的视觉特征来进行检索，直接对图像内容进行分析并抽取特征，在临床、教学、科研以及医学图像归档和通信系统(PACS)中都有着重要的作用。 由于医学领域许多图像并不包含彩色或在有限条件下采用，因此，在视觉特征中，相比颜色或灰度特征而言，提取纹理和形状特征对医学图像检索显得较为重要。由此，本文重点研究了医学图像的形状特征提取和纹理特征提取。 对于纹理特征，本文利用空间域统计纹理特征描述符灰度共生矩阵实现了对医学图像纹理特征提取，并且将统计法和结构法有机的结合，利用灰度—基元共生矩阵对其进行算法改进。灰度—基元共生矩阵既考虑了图像像素的分布情况，又考虑了像素点周围邻域结构的分布情况。通过实验，验证了该方法鲁棒性好，对旋转不敏感，查询性能得到了改善。 对于形状特征，本文利用小波对图像边缘检测的有效性和相关边界矩对图像的区域和结构描述的统一性，提出了小波多尺度模极大值和相关矩的形状特征提取方法。首先对灰度图像进行小波模极大值变换，得到多尺度的边界图像，再利用6个相关边界矩提取每一个尺度的边界图像的特征，组成图像的特征向量，用欧几里得距离对归一化的特征矢量进行相似性度量，不同的尺度赋予不同的权值。通过实验，验证了该方法可以以一定的精度很好的描述目标物体的形状特征，抗干扰能力强，通用性较高，有效的解决了因图像的平移、尺度、旋转变换等带来的问题。同时针对由Mallat小波多尺度边缘检测方法得到的图像边缘较粗，细节过多的弊端，本文提出了模糊算法进行改进，剔除了冗余数据，得到精确的目标外形，将检索误差降低到最小程度。 最后，本文建立了一个基于内容的医学图像检索实验性原型系统，以一些医学图像为例对所研究的上述算法进行了验证。
程涛[9]2010年在《基于颜色和形状特征的图像检索》文中进行了进一步梳理随着图像等多媒体资源的日益丰富,传统检索方式已不能再满足检索需求,为了便于图像的检索,基于内容的图像检索技术应运而生。本文在分析总结现有的基于内容的检索技术的基础上分别从颜色特征、纹理特征和形状特征叁方面详细分析了现有的特征提取方法。构建了一个实用的图像检索系统。在此基础上提出了基于颜色和形状特征进行图像检索的新算法。本文主要研究内容如下：首先,在图像特征提取方面,分别对颜色、纹理和形状叁个图像特征进行了分析和研究,并实现了几种常见的特征提取方法。其次,在研究颜色特征的基础上提出了一种基于显着兴趣点结合颜色矩和距离直方图进行图像检索的新算法,该方法将兴趣点作为图像中用户关注的主要视觉线索,结合颜色特征进行图像检索。包括显着兴趣点检测、距离直方图和颜色矩的特征提取叁个步骤,既利用了兴趣点的局部颜色特征,又考虑了兴趣点间的空间距离关系,克服了传统颜色矩没有空间位置信息的缺陷。实验结果表明,该方法实现简单,有效提高了图像检索的效率最后,提出了基于形状特征进行图像检索的新算法。该方法首先利用偏微分方程中的GAC模型提取出图像的轮廓,在此基础上计算图像轮廓的Hu不变矩,作为图像特征的描述子进行图像检索。在数值实现上,通过对Gaussian函数以及差分运算的讨论,简化了图像的平滑预处理和图像梯度的计算,提高了运算速度。实验表明,该方法具有对尺度、旋转的不变性。
王职军[10]2014年在《细胞特征提取及聚类算法研究与DSP实现》文中研究指明细胞识别系统一直是生物医学工程领域的研究话题，随着图像数据的增大以及嵌入式技术的发展，传统的PC端的细胞识别系统的数据处理问题逐渐凸显，而嵌入式系统将脱颖而出，成为未来生物医学发展的一种趋势，能够更快的实现图像数据的处理，为医学临床带来更快的检验速度，为社会带来重大的经济效益。论文基于TMS320C6678DSP，以集成开发环境CCS V5为开发环境，围绕特征提取算法及聚类算法进行了研究分析，主要完成了以下工作：在研究凸包算法的基础上，提出了基于Graham扫描法的改进算法，在分析弦分布描述法的性能基础上，提出了弦分布描述法的计算优化，仿真表明算法改进及优化实现极大缩短了代码的运行时间，改善了算法的性能。在研究共生矩阵法提取纹理特征基础上，提出了相关特征的存取带宽优化，在分析颜色特征提取算法的性能的基础上，提出了基于颜色特征矢量的循环优化，结果表明存取带宽及循环优化实现可以大大减少了代码的执行时间，提高了算法的效率。研究了模糊聚类分析算法的原理，随机抽取了3000个细胞样本、30维特征，在TMS320C6678DSP平台进行细胞的聚类，统计了聚类数、聚类偏差、聚类偏差率、聚类准确数、聚类准确率等实验参数，并针对模糊聚类结果进行了分析。实验表明，采用各种优化方法实现了代码的高效运行，提高了图像数据处理的效率，满足图像实时处理的工程需求，论文将模糊聚类分析算法应用于细胞的分类识别，完成了细胞的分类。
参考文献：
[1]. 基于离散点曲率的细胞图像形状特征表述[J]. 朱延娟, 倪周松. 计算机应用. 2015
[2]. 体液细胞图像有形成分智能识别关键技术研究[D]. 梁光明. 国防科学技术大学. 2008
[3]. 基于细胞图像形状特征的描述与分析[D]. 谷一鸣. 国防科学技术大学. 2003
[4]. 基于颜色与形状特征的图像检索技术研究及系统的设计与实现[D]. 李明俐. 西北大学. 2010
[5]. 基于形状的汉画像检索技术研究[D]. 张文斌. 苏州大学. 2011
[6]. 基于内容的图像检索中若干问题的研究[D]. 彭太乐. 合肥工业大学. 2007
[7]. 微生物菌种资源数据库管理系统平台设计和开发[D]. 冷冰. 首都师范大学. 2007
[8]. 基于内容的医学图像检索中特征提取技术研究[D]. 杨敏. 西北工业大学. 2007
[9]. 基于颜色和形状特征的图像检索[D]. 程涛. 西北大学. 2010
[10]. 细胞特征提取及聚类算法研究与DSP实现[D]. 王职军. 湘潭大学. 2014