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