無適度圖像閾值分割算法—最優(yōu)蜜源算法(ONSA).pdf

1、目前,醫(yī)學(xué)圖像處理的對象主要是各種細胞、組織與器官的圖像。其中人體細胞圖像處理是其中最重要、最困難的一個方面,特別是應(yīng)用在癌癥診斷中,對細胞區(qū)域準(zhǔn)確地分割、疾病診斷、細胞信息定量分析等研究具有重要的影響。細胞圖像的處理工作中最重要的一步就是圖像的分割,其結(jié)果的好壞將影響到后續(xù)工作能否順利進行。因此,對圖像分割方法的研究是至關(guān)重要的。
　　論文對已有圖像的分割方法進行了介紹,并著重研究了圖像的閾值分割。通過對比分析發(fā)現(xiàn):目前大多數(shù)閾

2、值分割方法一般根據(jù)相關(guān)信息或基于的理論不同得到一個適度函數(shù),以該適度函數(shù)為最優(yōu)化問題的目標(biāo)函數(shù),將圖像閾值分割轉(zhuǎn)換成一個優(yōu)化問題,然后求解該優(yōu)化問題得到最優(yōu)閾值。與現(xiàn)有圖像閾值分割算法的研究思路不同,提出了無適度圖像閾值分割的概念,根據(jù)人工蜂群算法中蜜蜂的采蜜原理,提出了最優(yōu)蜜源存在的假設(shè)以及蜜蜂采蜜必須具有一致性和穩(wěn)定性。并且建立了蜜蜂種群采蜜模型和閾值更新模型,定義了編碼及種群初始化、適值的計算、選擇機制,實現(xiàn)了無適度圖像閾值分割算

3、法——最優(yōu)蜜源算法(OptimalNectarSourceAlgorithm,ONSA)。設(shè)計實驗驗證了最優(yōu)蜜源的存在,種群受到最優(yōu)蜜源的吸引最強烈,無需任何適度函數(shù)的指引即可找到最優(yōu)蜜源,驗證了最優(yōu)蜜源是使得種群采蜜最穩(wěn)定的因素。在算法可行性實驗上,使用多組算法和本文的算法就Lenna圖進行實驗比較,由此得出該算法用于圖像分割上的可行性。
　　在此基礎(chǔ)之上把該算法推廣到醫(yī)學(xué)細胞圖像上,用ONSA算法對細胞圖片進行分割,以及在常用