文献类型：期刊文章

作　　者：廖苗[1,2] 赵于前[1,3] 曾业战[3] 黄忠朝[3] 张丙奎[3,4] 邹北骥[1]

机构地区：[1]中南大学信息科学与工程学院,湖南长沙410083 [2]湖南科技大学计算机科学与工程学院,湖南湘潭411100 [3]中南大学生物医学工程研究所,湖南长沙410083 [4]胜利石油管理局滨南医院,山东滨州256600

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(61379107;61172184;61174210;61402539);教育部"新世纪优秀人才支持计划"资助项目(NCET-13-0603);高等学校博士学科点专项科研基金资助项目(20130162110016);湖南省科技基本建设项目(20131199);湖南省科技计划资助项目(2015RS4008);湖南省自然科学基金资助项目(2015JJ4061;2017JJ3091);中南大学中央高校基本科研业务费专项资金资助项目(2014ZZTS053);湖南省研究生科研创新资助项目(CX2014B052)

年　　份：2017

卷　　号：51

期　　号：4

起止页码：722-728

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20172503793424)、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：提出细胞显微图像的自动分割方法,重点解决重叠细胞之间的分割难题.对原始图像进行二值化,提取每个连通区域的多个形状特征并应用支持向量机(SVM)进行测试,区分单个与重叠细胞.运用瓶颈检测寻找分离点对分割重叠细胞.基于细胞的椭圆或圆形结构,对分割后的边缘,应用改进的椭圆拟合法进行修正,修正后的细胞区域能够有效地反映重叠在一起的细胞的真实形状.对新生成的封闭区域进行循环检测,直至所有重叠细胞分割完毕.实验结果表明,相较于多种现有的细胞分割方法,采用该算法能够更有效地抑制过分割和欠分割,分割准确率、敏感度和特异度高.

关 键 词：图像分割 模式识别 支持向量机(SVM)  椭圆拟合  瓶颈检测  

分 类 号：TP391]