摘要：肾透明细胞癌病理图像中细胞核的形态和位置信息对肾癌的良恶性分级诊断具有重要意义,为提高肾透明细胞癌细胞核分割的质量,本研究提出了基于深度卷积神经网络的细胞核分割方法。首先,根据标定的病理图像中细胞核轮廓,构建细胞核分割样本集;然后,深度卷积神经网络通过隐式特征学习对细胞核分割模型进行训练,避免人为设计特征;最后,利用细胞核分割模型对病理图像进行逐像素分割。实验结果表明,深度卷积神经网络的细胞核分割算法在肾透明细胞癌细胞核分割的像素准确率高达90.33%,细胞核分割性能稳定,深度卷积神经网络强大的鲁棒性和适应性使得肾透明细胞癌细胞核自动分割具有可能。

摘要：提出一种基于图像分割的透射率补偿去雾算法。首先,该算法利用新的分割方法对图像进行分割;其次,通过逐像素操作自适应补偿得到天空区域透射率;最后,使用像素级的图像融合方法对透射率进行优化,得到透射率的精确估计。实验结果表明,该方法有效修正了天空区域的失真现象,并取得了良好的色彩保真度,同时在非天空区域也取得了一定的复原效果。