结合卷积神经网络和超像素聚类的细胞图像分割方法

• 作者: 刘振丙 周洁茜 李灵巧 杨辉华 杨金鑫 潘细朋
• 来源期刊: 计算机应用研究
• 关键词: 细胞分割 卷积神经网络 超像素聚类 染色校正 乳腺细胞图像
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1569-1572,1577
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.05.063

摘要

针对细胞图像尺寸大、细胞形状各异,导致从图像中分割出精准的细胞十分困难的问题,以卷积神经网络为基础,结合染色校正方法和简单线性迭代的超像素聚类算法,提出了一种新的结构来进行细胞图像分割.利用染色校正方法对细胞图像进行预处理,提高图像的颜色对比度;利用卷积神经网络获得初步分割结果;将简单线性迭代聚类获得的超像素边界信息反馈到初分割图像上进行改进提升.提出的算法可以有效地减少图像局部信息的冗余,更准确地获得目标区域的边界位置.实验表明,提出的算法细胞分割准确率达到了92.72％,与经典卷积神经网络、阈值分割等其他细胞分割算法相比,具有更好的分割效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨辉华	北京邮电大学自动化学院	94	618	13.0	19.0
3	刘振丙	桂林电子科技大学计算机与信息安全学院	40	122	7.0	9.0
6	潘细朋	北京邮电大学自动化学院	7	29	3.0	5.0
7	李灵巧	北京邮电大学自动化学院	11	35	3.0	5.0
8	杨金鑫	北京邮电大学自动化学院	1	12	1.0	1.0
9	周洁茜	北京邮电大学自动化学院	1	12	1.0	1.0