細胞FISH圖像分割、計數(shù)和檢索研究.pdf

1、在計算機圖像處理和細胞遺傳學領域，如果能將圖像處理技術與細胞遺傳學有機結合，探索細胞級新的研究方法，對細胞的形態(tài)信息進行定量分析，對于判別哺乳動物生殖細胞質量優(yōu)劣十分關鍵。這項領域的研究有助于牲畜品種繁育、病情篩查診斷、染色體病變等細胞遺傳學的多個應用方向，但由于傳統(tǒng)顯微鏡下細胞圖像像素低且尺寸不一，細胞形狀不同且易發(fā)生粘連等原因，造成細胞圖像處理存在諸多困難。目前，針對哺乳動物生殖細胞圖像分割、計數(shù)和檢索等方面的應用還未形成一套有效且

2、通用的方法。所以，尋找一種快速、準確的細胞分割、計數(shù)和檢索方法十分有必要。
　　本文基于脈沖耦合神經網絡(PCNN)模型和粒子群優(yōu)化算法(PSO)，對細胞熒光原位雜交(FISH)圖像分割、計數(shù)和檢索進行了深入研究，主要貢獻有:
　　(1)熒光原位雜交技術在農業(yè)領域的應用介紹
　　總結了熒光原位雜交技術的發(fā)展歷程和技術要點，詳細介紹了FISH技術在農業(yè)領域尤其是畜牧領域的應用，為后續(xù)研究奠定細胞遺傳學技術基礎。
　

3、　(2)基于PCNN實現(xiàn)對哺乳動物精子細胞FISH圖像的分割和計數(shù)
　　提出了一種分水嶺和PCNN相結合的圖像分割以及標記方法，最終實現(xiàn)了對細胞FISH圖像的準確計數(shù)。首先，利用PCNN與局部中值濾波對細胞FISH圖像降噪;然后，利用分水嶺方法對無噪圖像進行粗分割，并使粘連的細胞分隔開;再利用最小交叉熵PCNN進行細分割;最終，通過標記分割圖像，實現(xiàn)細胞計數(shù)。實驗結果表明，細胞計數(shù)準確率達到93.3％以上。
　　(3)基于改

4、進粒子群分類算法的FISH圖像檢索
　　為克服基于內容的圖像檢索算法計算量大、準確度低等缺點，并找到適合細胞FISH圖像的檢索方法，提出一種改進粒子群的圖像分類算法。首先，將模板圖像和數(shù)據(jù)庫圖像分區(qū)，并提取它們的灰度直方圖信息;然后，將尋找模板圖像最相似的問題轉化成通過粒子群優(yōu)化進行分類問題;最后，通過對相似度大的圖像進行精確匹配得出最相似的圖像。實驗結果表明，基于粒子群和新分類算法的圖像檢索算法，能夠在公開圖像數(shù)據(jù)庫中快速匹配出