基于AFM图像的分割方法的研究

《基于AFM图像的分割方法的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于AFM图像的分割方法的研究基于AFM图像的分割方法的研究摘要：该文针对AFM图像的特点，提出了一种基于内部标记的分水岭分割算法。首先利用LoG滤波器对图像进行滤波并通过二值化得到内部标记图像，然后利用最小标定技术得到外部标记图像，最后使用分水岭分割算法得到最后的分割图像。实验结果表明，该算法能够有效地对图像进行分割。关键词：图像处理原子力显微镜二值化分水岭中图分类号:TP391.4文献标识码文章编号：1674-098X(2013)04(c)-0022-02图像分割是图像处理中的一项关键技术，也是计算机视觉领域低层次中的主要问题，同时它也是一

2、个经典难题［1］。从20世纪70年代至今，已经有大量的研究人员提出了许多图像分割的方法［2〜3］。原子力显微镜(AtomicForceMicroscopy,简称AFM)是市IBM公司的G.Binning和斯坦福大学的C.F.Quate及C.Gerber于1986年合作发明的［4］o它利用悬臂感受和放大悬臂上尖细探针与被测样品间的原子作用力，从而达到检测的目的。1AFM图像的特点在使用原子力显微镜扫描的过程中，探针和样品表面原子间的作用力使悬臂弯曲，通过检测悬臂弯曲的程度，测得样品表面的结构⑸。由于在扫描过程屮样品并不处于水平位置，这就导致图像并

3、不能代表真实高度信息。2AFM图像的预处理通过对AFM图像的观察，发现在物体的边缘处表面高度信息的变化很明显，所以使用高斯拉普拉斯(LoG)滤波器对图像进行滤波。图1(右)显不了对AFM原始图像使用LoG滤波器之后的结果图。3分水岭算法分水岭算法是一种基于拓扑理论的数学形态学的分割方法，基本思想是把图像屮每一个像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。3.1基于标记的分水岭分割算法分水岭变换直接用于梯度图像常常会导致过分割[6]。用于控制过分割的一种方法基于标记符的概念，通过得到内部标记

4、集合和外部标记集合对图像进行分割[7]。经过对滤波图像的研究分析使用0阈值二值化，再利用形态学开运算就得到图2（右）。将该图作为分水岭变换的内部标记图，同时通过对内部标记图进行基于距离变换的分水岭变化得到外部标记图,如图2（右）。3.2分水岭变换在给出内部标记和外部标记之后，使用它们来修正滤波图像，采用的方法是成为“强制最小”的过程。强制最小技术（MMT）[8]修改灰度级图像，以便局部最小区域仅出现在标记的位置，如图3（左）。最后通过分水岭变换得到分割图像，如图3（右）。3.3实验结果图4给出了木文中的方法与最大类间方差（Otsu）及分水岭算法

5、的比较。通过观察可以看到，与另外两种方法相比，本文提出的方法能够针对AFM图像的特点，有效的抑制了欠分割与过分割。4结语本文通过对原子力显微镜图像特点的研究给出了一种能有效对AFM图像进行分割的方法。实验证明该方法能够在无需对AFM图像进行水平校止的情况下得到很好的分割效果。但是在该算法的过程中使用到了滤波和形态学变换，在以后进一步的研究过程中可以将该调节过程自动化來提高该算法的自动分割效果。参考文献[1]何俊，葛红，王玉峰•图像分割算法研究综述[J]•计算机工程与科学，2009,31（12）：58-61・[2]JianboShi,Jitend

6、raMalik.NormalizedCutsandImageSegmentation[J].IEEETRANSACTIONSONPATTERNANALYSISANDMACHINEINTELLIGENCE,2000,22（8）：888-905・[1]SongChunZhu,AlanYuille.RegionCompetition：UnifyingSnakes,RegionGrowing,andBayes/MDLforMultibandImageSegmentation[J].IEEETRANSACTIONSONPATTERNANALYSISAND

7、MACHINEINTELLIGENCE,1996,18(9)：884-900.[2]朱杰，孙润广•原子力显微镜的基本原理及其方法学研究[J]•生命科学仪器，2005,3(1)：22-26.[3]何振宇，张森文，蔡继业•基于图像处理的AFM细胞形态参数的自动获取[J]・电了显微学报，2008,27(1)：57-63・[4]胡敏，蔡慧芬•基于形态学标记连通的分水岭图像分割[J]・电了测量与仪器学报，2011,25(6)・[5]S.Venkataraman,D.P.Allison,H.Qi,etal.Automatedimageanalysisofa

8、tomicforcemicroscopyimagesofrotavirusparticles[J]・ultramicroscopy,2006,106：