学位论文 > 优秀研究生学位论文题录展示

尿沉渣显微图像中红细胞分割识别方法研究

作　者: 黄梓效
导　师: 郭斯羽
学　校: 湖南大学
专　业: 生物医学工程
关键词: 尿沉渣 红细胞分割识别 Mean shift Hough变换 椭圆检测
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 75次
引　用: 2次
阅　读: 论文下载
 

内容摘要


尿沉渣显微镜检查是常见而重要的临床检验项目,红细胞是检测重要指标之一。目前,临床上对尿液中有形成分的检验主要还是依靠人工镜检的方式。该方式工作强度大,主观程度强,且主要集中于有形成分的定性检查,不利于临床的定量诊断。随着计算机视觉以及模式识别技术的发展,尿沉渣有形成分检测的自动化定量分析己经成为可能。自动分析过程可以划分为图像预处理、分割、特征提取及识别。本论文主要就红细胞的分割与识别展开研究工作。在图像预处理方面,采用Mean Shift算法对彩色图像直接进行平滑处理,之后利用Canny算子对图像进行边缘检测,获得的对象边缘较为完整,且一定程度上抑制了背景噪声的影响。根据红细胞形状一般接近椭圆的特点,本文采用了常用的参数化曲线检测方法——Hough变换来进行红细胞的分割。由于描述椭圆需要使用5个参数,因此标准Hough变换在本研究中不具有可行性,而随机Hough变换则更加适用。通过分析随机Hough变换的采样效率,指出了降低采样过程中噪声水平的必要性,并基于降噪的思路提出了改进的随机Hough变换椭圆检测算法。根据红细胞大小的先验知识,在全图进行Hough变换圆环检测,获得若干可能存在红细胞的区域,然后再依次在各个候选区域中进行随机椭圆Hough检测。为在合理的内存开销下进一步降低算法复杂度,Hough变换的参数空间采用了5个一维累加器数组来构造。由于此时的随机Hough变换在一个很小地范围内进行,局部信噪比大为提高,因此算法效率可得到极大提升,准确率也明显提高。通过在尿沉渣图像上的实验,验证了算法的有效性。针对分割得到的椭圆对象,进行了若干几何特征的提取,并基于ID3算法来构造红细胞识别决策树。所得决策树在实际尿沉渣图像集上进行了验证性应用,取得了较好的效果。

全文目录


摘要  5-6
Abstract  6-10
第1章 绪论  10-15
  1.1 研究目的  10-11
  1.2 国内外研究现状  11-13
  1.3 本文所研究的内容及意义  13-15
    1.3.1 论文研究的内容  13
    1.3.2 论文研究的意义  13-15
第2章 图像预处理及初步分割方法介绍  15-30
  2.1 滤波降噪  15-19
    2.1.1 均值滤波  15-16
    2.1.2 中值滤波  16
    2.1.3 自适应高斯滤波  16-17
    2.1.4 基于Mean Shift 算法的图像预处理  17-19
  2.2 图像分割  19-24
    2.2.1 阈值分割  20-22
    2.2.2 彩色图像直接分割  22-24
  2.3 边缘检测算子介绍  24-28
    2.3.1 Prewitt 算子  24
    2.3.2 Sobel 算子  24-25
    2.3.3 Canny 算子  25-28
  2.4 方法选取  28-30
第3章 Hough 变换的原理及应用  30-38
  3.1 Hough 变换综述  30-31
  3.2 Hough 变换的特点及应用  31-32
  3.3 典型Hough 变换  32-38
    3.3.1 标准Hough 变换  32-35
    3.3.2 广义Hough 变换  35-36
    3.3.3 随机Hough 变换  36-38
第4章 基于Hough 变换的尿沉渣图像中红细胞的检测  38-46
  4.1 椭圆Hough 变换的存在问题  38-39
  4.2 随机Hough 变换性能分析  39-40
  4.3 改进的随机椭圆Hough 变换在红细胞检测的应用  40-46
    4.3.1 算法步骤  42
    4.3.2 实验结果  42-46
第5章 红细胞的识别  46-57
  5.1 模式识别  46-47
  5.2 图像特征提取  47-51
    5.2.1 形状特征  48-49
    5.2.2 纹理特征提取  49-50
    5.2.3 红细胞特征提取  50-51
  5.3 红细胞的识别  51-57
    5.3.1 BP 神经网络  51-52
    5.3.2 决策树  52-57
结论  57-59
参考文献  59-63
附录 A 攻读硕士学位期间所发表学术论文  63-64
致谢  64

相似论文

  1. Mean Shift结合拓扑约束法进行高密度细胞追踪,Q25
  2. 基于空间—频率域的织物组织识别新技术研究,TS101.923
  3. 基于视觉的驾驶员疲劳实时检测研究,TP391.41
  4. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  5. 视频图像序列中运动目标的获取与跟踪,TP391.41
  6. 基于KLT与Mean-Shift的目标跟踪研究,TP391.41
  7. 嵌入式目标检测与跟踪系统设计及算法实现,TP391.41
  8. 增强现实中虚拟物体注册方法的研究,TP391.41
  9. 多目标视觉检测与跟踪方法研究及视频监控软件平台的开发,TP391.41
  10. 视频跟踪中Mean-Shift算法的应用研究,TP391.41
  11. 基于嵌入式平台的细胞图像识别系统的实现,TP391.41
  12. 工程图纸矢量化技术研究,TP391.41
  13. 用于微装配的显微视觉系统标定技术的研究,TP391.41
  14. 基于Hough变换的直线提取与匹配,TP751
  15. 智能监控系统物品安全检测关键技术研究和实现,TP277
  16. 无线传感器网络中的追击者—逃跑者跟踪问题研究,TP212.9
  17. 视频图像中的运动目标跟踪算法研究,TP391.41
  18. 凝汽器铜管的视觉定位方法研究,TP391.41
  19. 基于DSP的人眼状态信息检测系统的研究和设计,TP391.41
  20. 汽车仪表板的计算机视觉检测系统研究,TP391.41
  21. 智能视觉导航系统中图像处理算法的研究及实现,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com