本文選題：圖像分割 + 特征提取��； 參考：《西安建筑科技大學(xué)》2017年碩士論文

【摘要】：目前全自動尿沉渣檢測儀是醫(yī)院實(shí)現(xiàn)尿沉渣自動檢測的主要手段之一,其識別率的可信性以及準(zhǔn)確率對于尿沉渣的自動檢測來說是非常重要的。本文展開了對尿沉渣圖像自動識別算法的研究,廣泛引入了國內(nèi)外已有的有益成果,并且結(jié)合最新發(fā)展的技術(shù)以及尿沉渣圖像的特點(diǎn),從圖像濾波和增強(qiáng)、特征提取和選擇、圖像分割以及圖像識別等幾個方面對尿沉渣圖像識別進(jìn)行論述。在整個課題的研究中,在預(yù)處理時,首先采用了高斯濾波對圖像進(jìn)行了預(yù)處理,然后使用gamma變換對圖像進(jìn)行增強(qiáng),從而使得圖像平滑并且前景和背景對比度變大。在圖像分割中,首先使用OSTU方法對圖像進(jìn)行預(yù)分割,分割出前景和少量背景,接下來使用異常檢測的方法建立模型,將分割圖像中的雜質(zhì)進(jìn)行去除,與傳統(tǒng)方法相比,異常檢測方法可以得到分割圖片的定量分析結(jié)果,使分割效果更加有說服力。在特征提取中,主要提取了細(xì)胞的形態(tài)學(xué)特征,與其他特征相比,形態(tài)學(xué)特征更加的具有物理意義,然后使用主成分分析算法對特征進(jìn)行選擇。在細(xì)胞分類中,本文使用機(jī)器學(xué)習(xí)算法進(jìn)行分類,通過對比多種機(jī)器學(xué)習(xí)算法并結(jié)合尿沉渣圖像識別的背景,最終采用支持向量機(jī)的分類方法對細(xì)胞進(jìn)行分類。論文基于MATLAB平臺以及LIBSVM公開庫對采集到的多幅尿沉渣圖像運(yùn)用所研究的算法進(jìn)行識別檢測試驗,統(tǒng)計測試結(jié)果后表明,本文所研究的算法不僅對尿沉渣圖像中的雜質(zhì)進(jìn)行準(zhǔn)確的過濾,并且能夠?qū)D像中的紅細(xì)胞、白細(xì)胞進(jìn)行比較高效的區(qū)分,最終分類準(zhǔn)確率達(dá)到了95%。
[Abstract]:At present, the automatic urine sediment detector is one of the main means to realize the automatic detection of urinary sediment in hospital. The credibility and accuracy of its recognition rate is very important for the automatic detection of urinary sediment. In this paper, the research on the automatic recognition algorithm of urinary sediment image is carried out, and some useful achievements have been widely introduced, and combined with the latest development technology and the characteristics of urinary sediment image, image filtering and enhancement, feature extraction and selection are introduced. Image segmentation and image recognition are discussed in this paper. In the research of the whole subject, the Gao Si filter is first used to preprocess the image, and then the gamma transform is used to enhance the image, which makes the image smooth and the foreground and background contrast bigger. In image segmentation, OSTU method is first used to segment the image, and the foreground and a few background are segmented. Then, the model is established by using anomaly detection method, and the impurity in the segmented image is removed, which is compared with the traditional method. The method of anomaly detection can get the quantitative analysis result of segmented image, which makes the segmentation effect more persuasive. In feature extraction, the morphological features of cells are mainly extracted. Compared with other features, morphological features have more physical significance, and then the principal component analysis algorithm is used to select the features. In cell classification, machine learning algorithm is used to classify cells. By comparing various machine learning algorithms and combining with the background of urine sediment image recognition, support vector machine is used to classify cells. Based on MATLAB platform and LIBSVM open library, the paper uses the algorithm to identify and detect the collected multiple urine sediment images. The statistical test results show that. The algorithm studied in this paper not only filters the impurities in the urine sediment image accurately, but also can distinguish the red blood cells and white blood cells in the image more efficiently, and finally the classification accuracy reaches 9595%.
【學(xué)位授予單位】：西安建筑科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R446.12;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王勇,韓雪梅;妊娠不同時期尿沉渣分析的臨床意義[J];山西醫(yī)藥雜志;2004年12期

2 劉承秀;;尿沉渣分析進(jìn)展及標(biāo)準(zhǔn)化[J];高校保健醫(yī)學(xué)研究與實(shí)踐;2005年04期

3 江應(yīng)浩;楊安芳;易倫芳;;尿沉渣分析與傳統(tǒng)方法的比較[J];醫(yī)療裝備;2008年12期

4 陳巧林,顧可梁,胡嘉波;不同的防腐劑對尿沉渣檢測結(jié)果影響初探[J];江西醫(yī)學(xué)檢驗;2002年06期

5 馬聰,王珍光,仇素清,楊蓬勃,蔣學(xué)兵;尿沉渣分析工作站4種標(biāo)本載樣方式的比較[J];臨床檢驗雜志;2003年02期

6 宋桂萍,李慶,邵艷萍;全自動尿沉渣檢驗的誤診因素綜合分析[J];齊魯醫(yī)學(xué)檢驗;2004年03期

7 劉興莉,伊長英,王玲;常用的三種尿沉渣檢測方法的比較[J];齊魯醫(yī)學(xué)檢驗;2004年06期

8 劉學(xué)琦;尿沉渣不同時段結(jié)果分析[J];實(shí)用醫(yī)技雜志;2005年16期

9 鄧永超;莫麗亞;李先斌;;長沙市健康兒童尿沉渣參考值調(diào)查[J];臨床檢驗雜志;2006年01期

10 彭政;;尿沉渣分析影響因素的探討[J];華中醫(yī)學(xué)雜志;2007年04期

相關(guān)會議論文 前8條

1 張全華;羅傳霞;李培奮;;蘭州地區(qū)健康人尿沉渣參考值范圍調(diào)查[A];第九屆西北五省（區(qū)）檢驗醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2005年

2 孔麗蕊;;全自動尿沉渣分析法與尿沉渣顯微鏡鏡檢法的應(yīng)用價值[A];中華醫(yī)學(xué)會第七次全國中青年檢驗醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2012年

3 斯其軍;俞增強(qiáng);管鴿;;UF-100型尿沉渣分析儀質(zhì)控參數(shù)的校準(zhǔn)[A];2007年浙江省醫(yī)學(xué)檢驗學(xué)學(xué)術(shù)年會論文匯編[C];2007年

4 朱薇;趙秋劍;李翠;葛君t ;;UF-50尿沉渣儀測定細(xì)菌數(shù)增高對白細(xì)胞的影響[A];第九屆西北五�。▍^(qū)）檢驗醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2005年

5 李莉;陳衛(wèi)賓;杜玉珍;李莉雅;高鋒;;全自動尿沉渣儀分析法與顯微鏡法判斷血尿來源的準(zhǔn)確性比較[A];中華醫(yī)學(xué)會第八次全國檢驗醫(yī)學(xué)學(xué)術(shù)會議暨中華醫(yī)學(xué)會檢驗分會成立30周年慶典大會資料匯編[C];2009年

6 高秀花;王梁;;DiasysR／S 2003尿沉渣測定方法的參考值[A];第九屆西北五省（區(qū)）檢驗醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2005年

7 高秀花;王梁;;高原地區(qū)DiasysR／S2003尿沉渣測定方法的參考值[A];第九屆西北五�。▍^(qū)）檢驗醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2005年

8 朱遐;李旭英;張麗霞;;DiaSys R/S 2003尿沉渣定量分析工作站法與干化學(xué)檢測尿紅、白細(xì)胞的可比性探討[A];2004年浙江省檢驗醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2004年

相關(guān)博士學(xué)位論文 前1條

1 沈美麗;尿沉渣有形成分自動分類系統(tǒng)研究[D];長春理工大學(xué);2006年

相關(guān)碩士學(xué)位論文 前8條

1 李太為;全自動尿沉渣分析儀結(jié)構(gòu)設(shè)計與分析[D];山東大學(xué);2015年

2 崔青義;尿沉渣微粒檢測中的光散射理論及應(yīng)用研究[D];江蘇大學(xué);2008年

3 李亞妹;基于多尺度計算的尿沉渣圖像識別方法研究[D];重慶理工大學(xué);2013年

4 王永福;基于神經(jīng)網(wǎng)絡(luò)的尿沉渣有形成分自動分類和識別研究[D];浙江大學(xué);2006年

5 張婷婷;尿沉渣整體化分析平臺及評價體系對鑒別血尿來源的臨床應(yīng)用研究[D];中南大學(xué);2013年

6 趙少華;尿沉渣圖像中紅白細(xì)胞的分割與識別[D];西安科技大學(xué);2013年

7 孫寧;全自動尿沉渣分析儀的研制[D];南京信息工程大學(xué);2007年

8 劉平;尿沉渣有形成分識別算法研究[D];重慶大學(xué);2009年

，

本文編號：2005043