本文關(guān)鍵詞：基于顯微高光譜成像的血液細(xì)胞識(shí)別研究與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：由于高光譜圖像同時(shí)具有空間幾何與光譜雙重信息的特性,已經(jīng)廣泛應(yīng)用在地質(zhì)、農(nóng)業(yè)、大氣等諸多領(lǐng)域,目前應(yīng)用范圍已經(jīng)拓展到了生物醫(yī)學(xué)領(lǐng)域,并且取得了一定的成果。伴隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展,顯微高光譜成像系統(tǒng)的應(yīng)用也日益成熟,尤其是在細(xì)胞識(shí)別、分析上,傳統(tǒng)的血液診斷僅依靠可見(jiàn)光譜段進(jìn)行檢測(cè),而且單一依靠醫(yī)務(wù)人員的經(jīng)驗(yàn),耗時(shí)長(zhǎng),缺乏定量、客觀的分析,人員疲勞易使漏誤檢頻發(fā),因此需要一個(gè)定量的全自動(dòng)化細(xì)胞分析工具,對(duì)細(xì)胞客觀地進(jìn)行識(shí)別、計(jì)數(shù),解決傳統(tǒng)血液診斷方式的諸多缺陷。本文主要對(duì)高光譜成像技術(shù)在血液細(xì)胞識(shí)別領(lǐng)域有關(guān)應(yīng)用做了研究,主要包括高光譜數(shù)據(jù)的采集、圖像預(yù)處理、分割和分類算法的交叉使用以及特征向量提取等方面的工作。為了實(shí)現(xiàn)空間維和光譜維同時(shí)對(duì)高光譜數(shù)據(jù)進(jìn)行降噪,本文采用了基于多元線性回歸小波去噪算法,顯著提高圖像的信噪比。針對(duì)高光譜多個(gè)波段具有很強(qiáng)的相關(guān)性,使用主成分分析對(duì)高光譜數(shù)據(jù)進(jìn)行降維,顯著減少數(shù)據(jù)量。針對(duì)高光譜血液細(xì)胞特有形態(tài)、紋理、光譜等信息,本文綜合提取了紅細(xì)胞和白細(xì)胞的9種特征向量,并用支持向量機(jī)對(duì)兩類細(xì)胞進(jìn)行訓(xùn)練、分類,進(jìn)行兩類細(xì)胞識(shí)別、計(jì)數(shù)。提出了自適應(yīng)最小距離算法,旨在解決傳統(tǒng)最小距離算法分類正確率低的問(wèn)題。實(shí)驗(yàn)結(jié)果對(duì)比證明采用分區(qū)Canny檢測(cè)算子和SVM分類器可以取得較高的細(xì)胞識(shí)別正確率,最后構(gòu)建了一套完整的基于顯微高光譜成像的全自動(dòng)血液細(xì)胞定量分析系統(tǒng),降低傳統(tǒng)血液檢查漏誤檢的概率,輔助醫(yī)務(wù)人員快速診斷血液疾病,促進(jìn)醫(yī)學(xué)診斷自動(dòng)化和計(jì)算機(jī)化的發(fā)展。
【關(guān)鍵詞】：顯微高光譜成像 高光譜圖像預(yù)處理 支持向量機(jī) 細(xì)胞識(shí)別和計(jì)數(shù)
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要6-7
• ABSTRACT7-11
• 第一章 緒論11-18
• 1.1 高光譜成像技術(shù)的發(fā)展11-12
• 1.2 高光譜成像技術(shù)在生物醫(yī)學(xué)上的應(yīng)用12-13
• 1.3 高光譜細(xì)胞分類和識(shí)別的意義13-14
• 1.4 本文研究重點(diǎn)與創(chuàng)新14-15
• 1.5 本文研究?jī)?nèi)容及結(jié)構(gòu)15-18
• 第二章 高光譜數(shù)據(jù)采集和預(yù)處理18-34
• 2.1 顯微高光譜成像系統(tǒng)18-26
• 2.1.1 高光譜成像過(guò)程及原理19-20
• 2.1.2 系統(tǒng)參數(shù)分析20-22
• 2.1.3 高光譜數(shù)據(jù)采集過(guò)程22-23
• 2.1.4 高光譜數(shù)據(jù)23-26
• 2.2 高光譜數(shù)據(jù)預(yù)處理26-33
• 2.2.1 中值濾波降噪27-28
• 2.2.2 多元線性小波變換降噪28-32
• 2.2.3 預(yù)處理結(jié)果分析32-33
• 2.3 本章小結(jié)33-34
• 第三章 高光譜圖像分割和特征提取算法研究34-53
• 3.1 圖像分割的概念34-35
• 3.1.1 圖像分割的定義34-35
• 3.1.2 圖像分割方法35
• 3.2 邊緣檢測(cè)算子35-42
• 3.2.1 Robert算子36
• 3.2.2 Sobel算子36-37
• 3.2.3 Prewitt算子37
• 3.2.4 LOG算子37-38
• 3.2.5 基于分區(qū)的Canny算子38-42
• 3.3 閾值分割42-46
• 3.3.1 閾值分割概念42-43
• 3.3.2 OTSU閾值法分割43-46
• 3.4 高光譜血液細(xì)胞特征提取46-51
• 3.4.1 細(xì)胞形態(tài)特征分析46-51
• 3.5 本章小結(jié)51-53
• 第四章 高光譜圖像分類及降維53-71
• 4.1 高光譜圖像分類方法53-56
• 4.1.1 高光譜分類算法流程54-56
• 4.2 高光譜監(jiān)督分類技術(shù)56-66
• 4.2.1 自適應(yīng)最小距離分類56-58
• 4.2.2 光譜角匹配(SAM)58-59
• 4.2.3 支持向量機(jī)(SVM)59-66
• 4.3 高光譜圖像的降維66-69
• 4.3.1 主成分分析66-69
• 4.4 本章小結(jié)69-71
• 第五章 高光譜血液細(xì)胞識(shí)別與計(jì)數(shù)71-78
• 5.1 高光譜血液細(xì)胞識(shí)別72-75
• 5.2 高光譜血液細(xì)胞分析75-77
• 5.3 本章小結(jié)77-78
• 第六章 總結(jié)與展望78-80
• 6.1 總結(jié)78-79
• 6.2 展望79-80
• 參考文獻(xiàn)80-86
• 附錄86-89
• A 論文圖目錄86-88
• B 論文表目錄88-89
• 攻讀碩士學(xué)位期間取得的科研成果89-90
• 攻讀碩士學(xué)位期間參與的科研項(xiàng)目90-91
• 致謝91

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李慶利;薛永祺;王建宇;岳小強(qiáng);;高光譜成像系統(tǒng)在中醫(yī)舌診中的應(yīng)用研究[J];紅外與毫米波學(xué)報(bào);2006年06期

2 田有文;程怡;吳瓊;牟鑫;;農(nóng)產(chǎn)品病蟲害高光譜成像無(wú)損檢測(cè)的研究進(jìn)展[J];激光與紅外;2013年12期

3 徐爽;易東;;利用高光譜成像技術(shù)檢測(cè)長(zhǎng)棗表面蟲傷[J];電子制作;2013年21期

4 高國(guó)龍;用高光譜成像熒光成像儀觀察海底情況[J];紅外;2003年05期

5 單佳佳;彭彥昆;王偉;李永玉;吳建虎;張雷蕾;;基于高光譜成像技術(shù)的蘋果內(nèi)外品質(zhì)同時(shí)檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2011年03期

6 高國(guó)龍;;美國(guó)高光譜成像技術(shù)獲資金支持[J];紅外;2009年11期

7 蔡健榮;韓智義;;碧螺春茶葉的真?zhèn)舞b別技術(shù)——基于漫反射式高光譜成像技術(shù)[J];農(nóng)機(jī)化研究;2013年04期

8 高國(guó)龍;;采用靜態(tài)傅里葉變換光譜儀的星載高光譜成像技術(shù)[J];紅外;2013年05期

9 孫梅;陳興海;張恒;陳海霞;;高光譜成像技術(shù)的蘋果品質(zhì)無(wú)損檢測(cè)[J];紅外與激光工程;2014年04期

10 羅陽(yáng);何建國(guó);賀曉光;王松磊;劉貴珊;;農(nóng)產(chǎn)品無(wú)損檢測(cè)中高光譜成像技術(shù)的應(yīng)用研究[J];農(nóng)機(jī)化研究;2013年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前7條

1 盧云龍;劉志剛;;高光譜成像技術(shù)及其在目標(biāo)檢測(cè)中的應(yīng)用進(jìn)展[A];國(guó)家安全地球物理叢書（九）——防災(zāi)減災(zāi)與國(guó)家安全[C];2013年

2 馬本學(xué);應(yīng)義斌;饒秀勤;;高光譜成像在水果表面缺陷及污染檢測(cè)中的研究進(jìn)展[A];2007年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文摘要集[C];2007年

3 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設(shè)計(jì)[A];中國(guó)空間科學(xué)學(xué)會(huì)空間探測(cè)專業(yè)委員會(huì)第二十六屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)會(huì)議論文集[C];2013年

4 孫向軍;劉凱龍;趙志勇;李雪濤;;高光譜成像及仿真技術(shù)途徑探索[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

5 顏昌翔;;星載高光譜成像及數(shù)據(jù)應(yīng)用[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

6 肖功海;舒嶸;薛永祺;;顯微成像光譜技術(shù)及其應(yīng)用[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2004年

7 賴建軍;陳四海;陳坦;易新建;;基于MEMS微鏡陣列的高光譜成像技術(shù)研究[A];中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì)第三屆學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前9條

1 葛明鋒;基于輕小型無(wú)人機(jī)的高光譜成像系統(tǒng)研究[D];中國(guó)科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

2 何青;多類型高光譜成像集成系統(tǒng)的研制及其應(yīng)用研究[D];暨南大學(xué);2015年

3 王彩玲;干涉高光譜成像中的信息提取技術(shù)[D];中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2011年

4 朱逢樂(lè);基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無(wú)損檢測(cè)[D];浙江大學(xué);2014年

5 馬m

本文編號(hào)：336103