基于图像块分类器和条件随机场的显微图像分割

doi:10.3724/SP.J.1087.2011.02249

计算机应用 ›› 2011, Vol. 31 ›› Issue (08): 2249-2252.DOI: 10.3724/SP.J.1087.2011.02249

基于图像块分类器和条件随机场的显微图像分割

阳维¹,²,张树恒²,王莲芸³,张素²

1. 南方医科大学生物医学工程学院，广州510515
2. 上海交通大学生物医学工程学院，上海200240
3. 上海交通大学生命科学技术学院，上海200240

收稿日期:2011-02-24 修回日期:2011-04-21 发布日期:2011-08-01 出版日期:2011-08-01
通讯作者: 张素
作者简介:阳维(1979-)，男，湖北天门人，讲师，博士，主要研究方向：图像处理、模式识别；张树恒(1988-)，男，河北邯郸人，硕士研究生，主要研究方向：生物医学图像处理；王莲芸(1957-)，女，山西阳泉人，教授，主要研究方向：环境因素对免疫功能的影响；张素(1968-)，女，江苏无锡人，副教授，主要研究方向：图像处理。

Segmentation of microscopic images based on image patch classifier and conditional random field

Wei YANG¹,²,Shu-heng ZHANG¹,Lian-yun WANG³,Su ZHANG¹

1. School of Biomedical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China
2. School of Biomedical Engineering, Southern Medical University, Guangzhou Guangdong 510515, China
3. School of Life Science and Biotechnology, Shanghai Jiao Tong University, Shanghai 200240, China

Received:2011-02-24 Revised:2011-04-21 Online:2011-08-01 Published:2011-08-01
Contact: Su ZHANG

摘要/Abstract

摘要： 针对花粉显微图像处理提出了一种自动分割方法，将有助于花粉识别系统的开发。使用归一化颜色分量训练图像块分类器，并且结合条件随机场和图割进行建模和优化，利用最大化后验概率(MAP)的方法实现花粉显微图像中花粉区域的分割。对于实验中的133幅图像，自动分割同人工分割的结果相比较，统计得到距离误差均值为7.3像素，准确率的平均值为87%。实验结果表明，使用图像块分类器和条件随机场模型可以用于花粉图像的分割。

关键词: 花粉显微图像, 图像分割, 图像块分类器, 条件随机场, 图割

Abstract: An automatic segmentation for pollen microscopic images was proposed in this paper, which was useful to develop a recognition system of airborne pollen. First, the image patch classifier was trained with normalized color component. Then, conditional random field was employed to model pollen images and Maximum A Posterior (MAP) was used to segment the pollen areas in microscopic images, with graph cut algorithm for optimization. In the experiments, the respective average values of mean distance error was 7.3 pixels and the true positive rate was 87% on 133 images. The experimental results show that image patch classifier and conditional random field model can be used to accomplish segmentation of the pollen microscopic images.

Key words: pollen microscopic image, image segmentation, image patch classifier, Conditional Random Field (CRF), graph cut

中图分类号:

TP391.413

阳维张树恒王莲芸张素. 基于图像块分类器和条件随机场的显微图像分割[J]. 计算机应用, 2011, 31(08): 2249-2252.

Wei YANG Shu-heng ZHANG Lian-yun WANG Su ZHANG. Segmentation of microscopic images based on image patch classifier and conditional random field[J]. Journal of Computer Applications, 2011, 31(08): 2249-2252.

参考文献

[1] 徐景先,李耀宁,张德山.空气花粉变化规律和预测预报研究进展[J].生态学报,2009,29(7):3854-3863.

[2] 张树恒,阳维,廖广姗,等.基于形状和纹理特征的显微图像识别[J].计算机工程与设计,2011,32(4):1379-1382.

[3] LANDSMEER S H, HENDRIKS E A, de WEGER L A, et al. Detection of pollen grains in multifocal optical microscopy images of air samples [J]. Microscopy Research and Technique, 2009, 72(6): 424-430.

[4] ZHANG S, YANG W, WU Y L, et al. Abnormal region detection in gastroscopic images by combining classifiers on neighboring patches [C]// Proceedings of the 8th International Conference on Machine Learning and Cybernetics. Piscataway, NJ: IEEE, 2009: 2374-2379.

[5] van de SANDE, GEVERS T, SNOEK C G M. Evaluating color descriptors for object and scene recognition [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(9): 1582-1596.

[6] LEE C H, SCHMIDT M, MURTHA A, et al. Segmenting brain tumor with conditional random fields and support vector machines [C]// Proceedings of workshop on Computer Vision for Biomedical Image Applications. Berlin: Springer, 2005: 469-478.

[7] 胡阳涟.基于马尔可夫随机场的图像分割研究[D].西安：西安理工大学,2008.

[8] LAFFERTY J, MCCALLUM A, PEREIRA F. Conditional random fields: Probabilistic models for segmenting and labeling sequence data [C]// Proceedings of the 8th International Conference on Machine Learning. San Francisco: Morgan Kaufmann Publishers, 2001: 282-289.

[9] BOYKOV Y, VEKSLER O, ZABIH R. Fast approximate energy minimization via graph cuts [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001, 23(11): 1222-1239.

[10] 王班,高萍,刘洁,等.上海市西南部空气中气传花粉调查[J].中华临床免疫和变态反应,2010,4(3):168-175.

[11] 阳维,乳腺肿瘤的超声图像特征定量分析与良恶性识别[D].上海：上海交通大学,2009.

[1]	杨瑞, 钱晓军, 孙振强, 许振. 自然场景下多区域特征融合的混合航拍图像分割算法[J]. 计算机应用, 2021, 41(8): 2445-2452.
[2]	沈雪雯, 王晓东, 姚宇. 基于空间分频的超声图像分割注意力网络[J]. 计算机应用, 2021, 41(6): 1828-1835.
[3]	黄梨, 卢龙. 基于长距离依赖编码与深度残差U-Net的缺血性卒中病灶分割[J]. 计算机应用, 2021, 41(6): 1820-1827.
[4]	董阳, 潘海为, 崔倩娜, 边晓菲, 滕腾, 王邦菊. 面向多模态磁共振脑瘤图像的小样本分割方法[J]. 计算机应用, 2021, 41(4): 1049-1054.
[5]	罗琴, 王艳. 无需初始轮廓的图像分割模型[J]. 计算机应用, 2021, 41(4): 1179-1183.
[6]	胡屹杉, 秦品乐, 曾建潮, 柴锐, 王丽芳. 基于特征融合和动态多尺度空洞卷积的超声甲状腺分割网络[J]. 计算机应用, 2021, 41(3): 891-897.
[7]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.
[8]	原泉, 王艳, 李玉先. 距离保持水平集演化模型的快速实现算法[J]. 计算机应用, 2020, 40(9): 2743-2747.
[9]	高海军, 曾祥银, 潘大志, 郑伯川. 基于U-Net改进模型的直肠肿瘤分割方法[J]. 计算机应用, 2020, 40(8): 2392-2397.
[10]	胡甜甜, 但雅波, 胡杰, 李想, 李少波. 基于注意力机制的Bi-LSTM结合CRF的新闻命名实体识别及其情感分类[J]. 计算机应用, 2020, 40(7): 1879-1883.
[11]	吴崇数, 林霖, 薛蕴菁, 时鹏. 基于自监督学习的病理图像层次分割[J]. 计算机应用, 2020, 40(6): 1856-1862.
[12]	曾招鑫, 刘俊. 基于深度学习的秀丽隐杆线虫显微图像分割方法[J]. 计算机应用, 2020, 40(5): 1453-1459.
[13]	张一飞, 李新福, 田学东. 基于图像分割的立体匹配算法[J]. 计算机应用, 2020, 40(5): 1415-1420.
[14]	丁辉, 李丽宏, 原钢. 融合GMS与VCS+GC-RANSAC的图像配准算法[J]. 计算机应用, 2020, 40(4): 1138-1143.
[15]	魏小娜, 邢嘉祺, 王振宇, 王颖珊, 石洁, 赵地, 汪红志. 基于改进U-Net的关节滑膜磁共振图像的分割[J]. 计算机应用, 2020, 40(11): 3340-3345.

基于图像块分类器和条件随机场的显微图像分割

Segmentation of microscopic images based on image patch classifier and conditional random field

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics