利用云模型的血细胞图像阈值化方法

doi:10.11772/j.issn.1001-9081.2014.06.1765

计算机应用 ›› 2014, Vol. 34 ›› Issue (6): 1765-1769.DOI: 10.11772/j.issn.1001-9081.2014.06.1765

利用云模型的血细胞图像阈值化方法

吴涛

湛江师范学院信息科学与技术学院,广东湛江524048

收稿日期:2013-12-06 修回日期:2014-01-26 发布日期:2014-07-02 出版日期:2014-06-01
通讯作者: 吴涛
作者简介:吴涛(1980-),男,湖北汉川人,副教授,博士,CCF高级会员,主要研究方向:智能图像处理。
基金资助:
国家973计划项目;广东省自然科学基金资助项目;广东高校优秀青年创新人才培养计划项目;湛江师范学院博士科研专项

Blood cell image thresholding method using cloud model

WU Tao

School of Information Science and Technology, Zhanjiang Normal University, Zhanjiang Guangdong 524048, China

Received:2013-12-06 Revised:2014-01-26 Online:2014-07-02 Published:2014-06-01
Contact: WU Tao

摘要/Abstract

摘要：

经典统计阈值方法直接利用类方差构造最优阈值准则,具有一定的通用性,但在某些情况下缺乏实际应用的针对性。为了解决血细胞图像阈值化及白细胞核提取问题,提出了一种利用云模型的简单快速方法。该方法分别生成白细胞核和血细胞背景对应的云模型,利用各类云模型的超熵定义了新的阈值化准则,然后通过最大化该准则自动获取最优灰度阈值,最终完成血细胞图像二值化及白细胞核提取。实验结果表明,与Otsu法、最大熵法、最小误差法、最小类内方差和法以及最小极大类内方差法等方法相比,新方法更适合于血细胞图像分割,二值化效果好，白细胞核提取质量高,具有合理性和有效性。

Abstract:

The traditional statistical thresholding methods which directly construct the optimal threshold criterions by the class-variance have certain versatility, but lack the specificity of practical application in some cases. In order to select the optimal threshold for blood cell image segmentation and extract white blood cells nuclei, a simple and fast method based on cloud model was proposed. The method firstly generated the cloud models corresponding to white blood cells nuclei and blood cell image background respectively, and defined a new thresholding criterion by utilizing the hyper-entropy of cloud models, then obtained the optimal grayscale threshold by the maximization of this criterion, finally achieved blood cell image thresholding and white blood cells nuclei extraction. The experimental results indicate that, compared with the traditional methods including maximizing inter-class variance method, maximizing entropy method, minimizing error method, minimizing intra-class variance sum method, and minimizing maximal intra-class variance method, the proposed method is suitable for blood cell image thresholding, and it is reasonable and effective.

中图分类号:

TP391.41

吴涛. 利用云模型的血细胞图像阈值化方法[J]. 计算机应用, 2014, 34(6): 1765-1769.

WU Tao. Blood cell image thresholding method using cloud model[J]. Journal of Computer Applications, 2014, 34(6): 1765-1769.

参考文献

[1]ZOU X, FENG G. Image thresholding segmentation based on human vision model and maximum between-cluster variance [J]. , 2013, 33(3):670-673.(邹小林, 冯国灿. 融合视觉模型和最大类间方差的阈值分割算法 [J]. 计算机应用, 2013, 33(3):670-673.)
[2]JIANG Q, LI P, SUN L. Application of Otsu method in motion detection system [J]. , 2011, 31(1):260-262.(江亲瑜,李平,孙兰. 最大类间方差算法在运动检测系统中的应用[J]. 计算机应用, 2011, 31(1):260-262.)
[3]SEZGIN M, SANKUR B. Survey over image thresholding techniques and quantitative performance evaluation [J]. Journal of Electronic Imaging, 2004, 13(1): 146-165.
[4]OTSU N. A threshold selection method from gray-level histogram [J]. IEEE Transactions on System, Man and Cybernetics, 1979, 9 (1):62-66.
[5]KAPUR J, SAHOO P, WONG A. A new method for graylevel picture thresholding using the entropy of the histogram [J]. Computer Graphics and Image Processing, 1985, 34(11):273-285.
[6]KITTLER J, ILLINGWORTH J. Minimum error thresholding [J]. IEEE Transactions on System, Man and Cybernetics, 1986, 19(1):41-47.
[7]HOU Z, HU Q, NOWINSKI W. On minimum variance thresholding [J]. Pattern Recognition Letters, 2006, 27(14) :1732-1743.
[8]LI Z, LIU C, CHENG Y, et al. Statistical thresholding method for infrared images [J]. Computer Science, 2010, 37(1):282-286.(李佐勇,刘传才,程勇,等. 红外图像统计阈值分割方法[J]. 计算机科学, 2010, 37(1):282-286.)
[9]LI D Y, LIU C Y, GAN W Y. A new cognitive model: cloud model [J]. International Journal of Intelligent Systems, 2009, 24 (3):357-375.
[10]JIA S, MAO B. Research on CFCM: car following model using cloud model theory [J]. Journal of Transportation Systems Engineering and Information Technology, 2007, 7(6): 67-73.(贾顺平,毛保华.基于云推理的车辆跟驰模型CFCM研究[J]. 交通运输系统工程与信息, 2007,7(6): 67-73.)
[11]QIN K, XU K, LIU F L, et al. Image segmentation based on histogram analysis utilizing the cloud model [J]. Computers and Mathematics with Applications, 2011, 62(7): 2824-2833.
[12]ZHANG C, YU C, JIANG S, et al. Particle swarm optimization algorithm based on chaos cloud model [J]. , 2012, 32(7):1951-1954.(张朝龙, 余春日, 江善和, 等. 基于混沌云模型的粒子群优化算法 [J]. 计算机应用, 2012, 32(7):1951-1954.)
[13]LI D, LIU C, GAN W. Proof of the heavy-tailed property of normal cloud model [J]. Engineering Science, 2011, 13(4):20-23.(李德毅, 刘常昱, 淦文燕. 正态云模型的重尾性质证明 [J]. 中国工程科学, 2011, 13(4):20-23.)
[14]ARIFINA A Z, ASANO A. Image segmentation by histogram thresholding using hierarchical cluster analysis [J]. Pattern Recognition Letters, 2006, 27(13): 1515-1521.
[15]WANG Z, BOVIK A C, SHEIKH H R, et al. Image quality assessment: from error measurement to structural similarity [J]. IEEE Transactions on Image Processing, 2004, 13(4): 600-612.

利用云模型的血细胞图像阈值化方法

Blood cell image thresholding method using cloud model

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

[1]	张佳慧李晓明张嘉祥. 强化形态感知的路面缺陷检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	况世雄姚俊波陆佳炜王琪冰肖刚. 基于动态图卷积网络的电梯乘客异常行为数据增强方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	康斌陈斌王俊杰李昱林赵军智咸伟志. 基于多粒度共享语义中心关联的文本到人物检索方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	王子怡李卫军刘雪洋丁建平刘世侠苏易礌. 基于Swin Transformer与多尺度特征融合的图像描述方法#br# [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	付可意, 王高才, 邬满. 基于改进区域提议网络和特征聚合小样本目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3790-3797.
[6]	庞玉东, 李志星, 刘伟杰, 李天昊, 王宁宁. 基于改进实时检测Transformer的塔机上俯视场景小目标检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3922-3929.
[7]	赵欣, 李鑫杰, 徐健, 刘步云, 毕祥. 基于卷积神经网络与Transformer并行的医学图像配准模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3915-3921.
[8]	颜承志陈颖钟凯高寒. 基于多尺度网络与轴向注意力的3D目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	王静刘嘉星宋婉莹薛嘉兴丁温欣. 基于空间变换和特征分布校准的小样本皮肤图像分类模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	廖炎华鄢元霞潘文林. 基于YOLOv9的交通路口图像的多目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	谢斌红剌颖坤张英俊张睿. 自步学习指导下的半监督目标检测框架[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	邹耀斌, 张彬. 四向加权香农熵最大化导向的自动阈值分割方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3565-3573.
[13]	刘涛, 鞠事宏, 高一萌. 基于改进YOLOv8n的无人机视角下小目标检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3603-3609.
[14]	刘雨生, 肖学中. 基于扩散模型微调的高保真图像编辑[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3574-3580.
[15]	胡立华, 李小平, 胡建华, 张素兰. 基于四叉树先验辅助的多视图立体方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3556-3564.