基于色度学准则分析的免疫组化彩色图像C均值聚类.docVIP

　　基于色度学准则分析的免疫组化彩色图像C均值聚类 【摘要】 免疫组化彩色图像分割在免疫组化染色定量分析中有重要的应用价值。C均值聚类算法（CMA）是根据一定的相似性准则将图像分成C类。由于运算十分耗时，直接限制了C均值聚类算法在彩色图像分割领域的应用。本文针对免疫组化彩色图像特点，提出了分割免疫组化彩色图像的色度学准则，即：用每个像素的R分量减去B分量，根据其差值是否大于0将相应的像素分为两大类：（R-B）≥0类和（R-B）lt;0类，自动分离出图像的阳性细胞区域和阴性细胞区域。在此基础上我们改进了C均值聚类分割的方法：① 针对上述两大类图像的色彩分布的特点确定初始聚类中心；② 分别对上述两大类像素在一个色度学空间聚类；③ 根据每次迭代过程中聚类中心的变化趋势来预测下一次迭代后可能的聚类中心，从而减少迭代的次数。改进之后的C均值聚类分割方法减少了聚类的样本数量，降低了算法的复杂度，且由于迭代次数的减少，运行速度得到了提高。实验结果表明，本文建立的技术方法能有效地分割免疫组化彩色图像。 【关键词】 CMA； 彩色图像分割； 色度学准则； 聚类中心 Abstract: Immunohistochemical image segmentations play an important role in the immunohistochemical staining quantitative analysis. CMeans clustering algorithm (CMA) is a method to partition of an image into homogeneous regions. According to characteristics of color immunohistochemical images, a chroma criterion and improvement of CMA for the segmentation of immunohistochemical image s of heavy calculating burden if applying CMA directly to real color immunohistochemical image segmentation in three color spaces. The chroma criterion is that to calculate the subtraction of R value and B value for each pixel first, and then divide the pixels into tatically. On the basis of the results, the CMA algorithm is improved in tent feature; ② the CMA is executed apart on tes of iteration. The improvements lessen sample amounts, reduce algorithm plexity, decrease iteration times and speed up calculation. The results reveal that the technique is effective. Key age segmentation； chroma criterion； aggregative center 引言 免疫组化是临床病理诊断和研究的重要辅助手段。从CCD摄像机输出的免疫组化图像是真彩色图像，其中阳性细胞和阴性细胞的计数以及它们之间的比例是判断免疫组化显色反应强度的重要指标，对肿瘤的早期诊断和预后判定有非常重要的价值，然而对这些结果的判断是由病理学家直接观察显微镜下的病理切片得出，易受个人主观因素的影响而产生偏差。采用图像分析仪定量检测可以避免观察者主观因素的干扰，但其过程比较复杂，分析时间较长，无法应用于常规临床工作。通过计算机图像技术自动分析免疫组化彩色图像，辅助医生准确观察和定量检测免疫组化显色反应强度，在医学疾病诊断上有重要应用价值［1］。 为了准确分析免疫组化彩色图像中不同的区域，图像分割是关键的一步，其结果影响后续定量检测的精度。彩色图像分割是按照彩色图像的色彩规则将一幅彩色图像分成具有特殊含义的不同区域，这些区域互不交叉，每个区域都满足特定区域的一致性［2］。彩色图像中的每个像素由红（R）、绿（G）、蓝（B）三基色按一定的比例合成，对于不同的分割目的，可以选用不同的彩色特征组合。彩色图像分割的步骤一般分为预处理、颜色空间的选择、分割算法实施及后处