学位论文 > 优秀研究生学位论文题录展示

尿液显微颗粒自动检测与图像处理研究

作　者: 周晓谋
导　师: 肖兴明
学　校: 中国矿业大学
专　业: 机械设计及理论
关键词: 尿液检测坐标跟踪自动调焦图像融合图像分割模式识别
分类号: TP391.41
类　型: 博士论文
年　份: 2012年
下　载: 136次
引　用: 0次
阅　读: 论文下载

内容摘要

尿液检测是医学临床检验操作规程中的三大常规检验项目之一。我国第三版《全国临床检验操作规程》中对尿液检验提出了明确要求。但是目前很多医院的尿液检验还停留在人工镜检或半自动检验的水平上，不仅速度慢、溯源性差、标准化程度低，而且在很大程度上依赖于检验医师的个人经验。本文结合尿液自动检测的需要，在检测系统的加样机构、智能控制、机器视觉、图像处理与模式识别等方面进行了研究。在检测系统构成和检测方法方面，设计了全自动多通道在线检测系统，主要包括：加样机构与液路系统、基于ARM的显微镜自动调焦机构和系统软件等；针对原有方法所需自然沉降时间长，而尿液显微颗粒实际上是呈现空间分布的特点，提出了空间动态坐标跟踪检测法，提高了检测速度和检测效果。在显微图像分析方面，分析了影响图像清晰度的各种因素，设计了一种灵敏度较好的清晰度评价函数，构建了以图像清晰度为控制目标的多传感显微图像自动对焦系统，使得尿液检测系统能够持续稳定地获得高质量的图像；建立了空间多焦面图像融合模型，给出了该模型的算法，设计了基于小波和小波包变换的图像融合方法，通过实验验证了算法的有效性，在避免漏检、少检和错检等保证检测有效性方面取得了较好的效果。图像显微颗粒的自动分割是尿液自动分析的核心技术，图像分割算法的有效性直接影响显微颗粒形态特征提取的有效性。论文研究了各种图像分割方法及其分割效果，设计了基于索伯尔算子的边缘检测算法；对于图像中的粘连颗粒，引入脉冲耦合神经网络(PCNN)的分割的方法，实验表明，PCNN在处理粘连细胞的欠分割问题上具有良好的效果。识别准确率是尿液检测系统的主要考核指标，显微颗粒特征提取的性能与有效性直接影响模式识别的准确率。在图像分割的基础上，进一步研究了图像特征的提取方法，从外形、结构、纹理、频域、区域等方面对尿液显微颗粒特征进行了分析，利用BP神经网络对尿液显微颗粒进行分类计数，通过实际测试，证明该神经网络具有良好的分类效果。论文的研究成果已经应用于苏州惠生电子科技有限公司的全自动尿液自动分析仪上，提高了尿液检测系统的自动化程度，并得到了推广使用。本文共有图117幅，表29个，参考文献163篇。

全文目录

致谢  5-6
摘要  6-7
Abstract  7-9
Extended Abstract  9-12
目录  12-16
图清单  16-23
表清单  23-25
1 绪论  25-38
  1.1 尿液显微颗粒检测研究的背景和意义  25-26
  1.2 尿液显微颗粒检测系统研究现状与存在的主要问题  26-35
  1.3 目前研究存在的主要问题  35-36
  1.4 本文研究内容  36-38
2 尿液显微颗粒空间动态坐标跟踪检测方法及系统构建  38-53
  2.1 尿液检测内容与方法  38-39
  2.2 尿液显微颗粒呈空间分布的检测方法研究  39-46
  2.3 尿液显微颗粒检测系统构建  46-52
  2.4 本章小结  52-53
3 自动调焦系统研究  53-73
  3.1 载物台运动模型  53-56
  3.2 自动对焦评价方法  56-66
  3.3 多传感参数与改进型爬坡算法组合调焦  66-72
  3.4 本章小结  72-73
4 尿液显微颗粒图像预处理与多焦面图像融合  73-103
  4.1 灰度图像特点与图像质量评价方法  73-77
  4.2 显微颗粒图像滤波算法研究  77-82
  4.3 显微颗粒图像增强技术研究  82-91
  4.4 图像配准方法研究  91-96
  4.5 多焦面图像融合方法  96-102
  4.6 本章小结  102-103
5 尿液显微颗粒图像分割研究  103-132
  5.1 概述  103-104
  5.2 基于阈值的分割算法  104-112
  5.3 基于边缘的分割算法  112-119
  5.4 基于 PCNN 神经网络的图像分割方法  119-123
  5.5 图像的数学形态学处理  123-124
  5.6 显微颗粒分割实验  124-131
  5.7 本章小结  131-132
6 尿液显微颗粒图像特征提取与分类  132-164
  6.1 尿液显微颗粒图像特征  132-137
  6.2 尿液显微颗粒图像特征提取  137-144
  6.3 尿液显微图像特征值计算  144-155
  6.4 BP 神经网络在尿液显微颗粒识别中的应用  155-160
  6.5 基于 BP 神经网络的尿液显微颗粒分类实验  160-163
  6.6 本章小结  163-164
7 结论与展望  164-167
  7.1 论文主要结论  164-165
  7.2 创新点  165-166
  7.3 研究展望  166-167
参考文献  167-177
作者简历  177-179
学位论文数据集  179

尿液显微颗粒自动检测与图像处理研究

内容摘要

全文目录

相似论文