文献综述
1、课题研究的现状
在医学细胞图像中，经常会发现细胞出现粘连的状况。细胞粘连的部分，像素灰度会发生混合，导致粘连细胞的图像会不清晰。随着计算机技术的发展，计算机图像处理与分析技术逐渐在广大领域中得到应用。结合计算机的图像处理功能，针对细胞图像模糊问题，现在已经有了许多的处理方法，每种方法都是基于某一个算法对粘连部分的值进行处理的。比较成熟的方法有阀值分割法、边缘检测法、区域生长法、形态学方法和主动轮廓模糊型法等。其中阀值分割法、边缘检测法和区域生长法是当细胞未发生粘连时直接有效的分割算法。至于形态学法和主动轮廓模糊型法是当细胞发生粘连时直接有效的分割算法。医学细胞图像大多情况下都会发生细胞粘连，比如血细胞，癌细胞等等。因此，不少学者就提出了分水岭算法和水平集算法及不断地改进的方法等。每一种方法都有优缺点和适用的范围，如果能够准确掌握它们，对于医学细胞图像分割的疑难点有很大帮助。
在细胞图像分割方面，许多研究人员做了这些工作。
凌财进等【1】提出传统分水岭算法对微弱边缘有良好的响应，能得到封闭连续边缘和较低的时间复杂度，但是对噪声敏感，会产生过分割现象。凌财进等认为传统的分水岭算法不能够单独的用于实践中去。于是凌财进等阅读大量文献，结合实践推断出要想解决传统分水岭出现的过分割问题需要解决三个问题。首先是在不影响分割效果的前提下，分割前尽量减少或抑制噪声和细密纹理的影响。其次是合理降低区域数量，降低运算。最后是提高算法适用的鲁棒性，避免区域合并或减小合并难度和复杂度。胡志成等【2】认为传统的边缘检测算法抗噪能力弱、弱小边缘难以检测以及边缘图像容易出现断层等。因此胡志成等提出了一种新的边缘检测算法，首先对边缘进行提取，然后是对边缘的连接。梯度较大的点，计算方向，根据像素点方向的连续性进行边缘提取。要防止边缘图像断层的缺陷，边缘连接时可以利用蚁群算法。通过实践发现该方法有较强的抗噪能力，且可以有效地检测出灰度变化不明显的边缘。缪慧司等【3】介绍了一种结合距离变换利用边缘梯度的分水岭血细胞显微图像分割方法。这种方法既保留了基于梯度图像的分水岭变换边缘定位准确的优点，又解决了其无法分割粘连目标和过分割的问题。赵英红等【4】对于宫颈癌粘连细胞图像分割的问题也做了一些探究，提出了一个有效处理宫颈癌粘连细胞的分水岭算法。通过水平集算法从背景中提取目标细胞图像，用极小值的距离变换算法将图像归一化后与感兴趣区域的梯度图像点乘来抑制无用的梯度信息，然后运用标记分水岭算法对粘连细胞图像进行分割。赵红英等认为该算法实现了染色不均的粘连宫颈癌细胞的有效分割，在粘连细胞的边缘建立了较传统的分水岭分割方法更准确的分割线，具有显著的临床应用价值。戴丹【5】发现传统的分水岭算法会产生过分割现象。为了解决这种现象，戴丹提出改进分水岭算法，先采用数学形态学重建滤波平滑图像噪声及内部小细节，然后使用Otsu方法对图像进行阈值分割，并对得到的二值图像作欧氏距离变换，将像素点位置信息转换为灰度信息，最后对距离图利用分水岭算法得到最终分割图像。该算法获得了较满意的分割效果，解决了目标粘连现象对后续分析、测量产生干扰的问题。刘海波等【6】认为传统水平集方法对粘连细胞分割效果差，同时在分割过程中需要不断地重新初始化水平集函数。为了解决传统水平集方法在粘连细胞分割上的不足，提出了一种基于颜色特征的水平集方法。该方法将能够约束水平集函数与符号距离函数之间偏差的变分公式作为内部能量项，从而无需重新初始化水平集函数; 把结合图像颜色特征信息的能量函数作为模型的外部能量项，以改进粘连细胞的分割效果。实验结果表明，该方法能有效地分割粘连细胞，算法实现比较简单。刘阳等【7】在解决血细胞图像中白细胞与其它细胞色彩接近、亮度不均匀等问题,采用了一种基于C-Y颜色空间的白细胞分割方法,将原来的RGB图像转化为C-Y图像,分离C-Y图像获得包含全部信息的B-Y颜色分量图像,再根据连通域面积筛选、开运算、像素点操作得到完整的白细胞图像;提取对比度拉伸后的G图像,阈值分割得到细胞核的大概位置,再用连通域面积筛选、开运算方法分割出完整的细胞核图像。结果表明,该算法对嗜酸性粒细胞、淋巴细胞、单核细胞和嗜中性粒细胞图像都具有较好的分割精度,分别取得了94.33%、91.60%、97.72%、98.66%的准确率。苏洁等【8】提出一种基于空间聚类和隐马尔可夫随机场的两级分割算法。以像素点颜色特征为依据,在Lab色彩空间中采用k-means 聚类方法得到初始化标签集；通过HMRF构建细胞图像的空间表达模型,充分利用空间约束关系,减少孤立点影响,平滑分割区域；采用期望最大值算法优化模型参数,利用标记场和观测场的相互作用,通过迭代算法不断调整标签集合,迭代直至收敛得到全局最优值。对来自于骨髓涂片的61幅细胞图像中的780个6类细胞的实验表明,该算法提高了分割的准确率(不小于95%),便于进一步提取细胞病理特征,实现检测识别。
从以上文献研究可以看出：目前粘连细胞图像分割方法有许多中算法，有些算法比如分水岭算法存在的缺点也比较明显。因此，在对粘连细胞图像进行处理时，要综合考量一套比较合适的算法。
2、课题研究的意义和价值
通过对粘连细胞图像处理的研究，可以找到解决医学上粘连细胞图像难以分析的方法。提高医生的诊断分析能力，更好的解决病情。具有较高的社会效益。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
