原位分子杂交图象中银粒的分割方法研究

一、引言

二、相关工作

（一）阈值分割方法

（二）基于边缘的分割方法

（三）基于区域的分割方法

三、我们的方法

（一）预处理

1. 去噪
   采用中值滤波方法对原位分子杂交图象进行去噪处理。中值滤波通过将每个像素的值替换为其邻域像素值的中值，能有效去除椒盐噪声等脉冲噪声，同时保留银粒的边缘信息。

2. 灰度校正
   由于图象采集过程中可能存在光照不均匀等问题，我们采用基于直方图均衡化的方法进行灰度校正。通过调整图象的灰度分布，增强银粒与背景的对比度，为后续的分割操作提供更好的条件。

（二）混合阈值分割

1. 双阈值法
   我们首先采用双阈值法进行初步分割。通过分析图象的灰度直方图，确定一个高阈值和一个低阈值。将灰度值高于高阈值的像素直接判定为银粒核心部分，将灰度值低于低阈值的像素判定为背景。对于灰度值介于高阈值和低阈值之间的像素，需要进一步分析。

2. 自适应阈值调整
   对于处于中间灰度区域的像素，我们采用自适应阈值调整算法。根据像素周围局部区域的灰度均值和标准差，动态地调整阈值。这样可以更好地适应银粒灰度不均匀的情况，提高分割的准确性。

（三）基于形状特征的后处理

1. 形状分析
   经过阈值分割后，可能会存在一些噪声区域或部分分割不准确的银粒。我们对分割得到的区域进行形状分析，提取形状特征，如面积、周长、圆形度等。根据银粒的先验形状知识，设置合理的形状阈值，去除不符合银粒形状特征的噪声区域。

2. 区域合并与分裂
   对于一些因阈值分割而被过度分割的银粒，我们根据相邻区域的灰度相似性和空间距离进行区域合并。同时，对于一些较大的、可能包含多个银粒的区域，通过分析其内部灰度变化和形状特征进行合理的分裂，以得到更准确的银粒分割结果。

四、实验

（一）实验数据

（二）评价指标

（三）实验步骤

1. 数据准备
   将收集到的图象分为训练集和测试集，其中训练集包含 70 张图象，用于确定方法中的参数，如阈值、形状阈值等。测试集包含 30 张图象，用于评估方法的性能。

2. 参数调整
   在训练阶段，通过手动标注部分图象中的银粒，利用这些标注信息调整双阈值法中的高阈值和低阈值，以及形状分析中的形状阈值等参数。同时，根据训练图象的特点，优化自适应阈值调整算法中的参数，如局部区域大小等。

3. 性能评估
   使用测试集对我们提出的方法进行性能评估。将分割结果与手动标注的金标准进行对比，计算准确率、召回率和 F1 值。同时，将我们的方法与传统的阈值分割方法、基于边缘的分割方法和基于区域的分割方法进行对比实验。

（四）实验结果

五、讨论

（一）方法优势

（二）局限性与改进方向

六、结论