利用計(jì)算機(jī)技術(shù)對細(xì)胞病理圖像進(jìn)行定量分析與自動識別具有重要的理論意和應(yīng)用價(jià)值。本文基于圖像處理與模式識別等知識,提出一種多特征融合與模型融合相結(jié)合的細(xì)胞圖像分類識別方法,重點(diǎn)研究細(xì)胞核的分割、特征參數(shù)提取、特征級融合以及決策級融合方法,實(shí)現(xiàn)細(xì)胞病理圖像的識別和分類。完成的主要研究工作如下:一.ACWE模型分割方法的改進(jìn)本文ACWE模型分割方法的改進(jìn)主要體現(xiàn)在兩個方面:一是ACWE模型初始曲線的確定。首先對細(xì)胞圖像進(jìn)行高斯濾波與基于對數(shù)LOG變換的圖像增強(qiáng);然后轉(zhuǎn)到Lab顏色空間,提取b分量空間圖像;最后對b分量空間圖像采用基于標(biāo)記的分水嶺算法對細(xì)胞核進(jìn)行初步分割,得到分割輪廓的外接矩形,用該矩形作為ACWE模型的初始曲線。二是針對ACWE模型分割中人為設(shè)定面積項(xiàng)系數(shù)帶來的計(jì)算量大與實(shí)時性差等弊端,給出了一種自適應(yīng)面積項(xiàng)系數(shù)的計(jì)算方法。與傳統(tǒng)ACWE模型分割方法相比,改進(jìn)型ACWE模型分割方法既減少了模型迭代次數(shù),提高了細(xì)胞核分割效率,也實(shí)現(xiàn)了細(xì)胞核的精確分割,更有利于后期細(xì)胞核形態(tài)特征的提取。二.細(xì)胞圖像的特征參數(shù)提取首先,給出了一種融合LBP算子與Gabor變換的紋理特征提取方法,同... 

【文章來源】：安徽理工大學(xué)安徽省

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文細(xì)胞圖像分割算法流程圖

斯濾波后的圖像上進(jìn)行。（Histogram Equalization）通過調(diào)整圖像中的想是將原始圖像的灰度直方圖變換為均勻分內(nèi)對相對集中的灰度區(qū)間進(jìn)行均勻化。通過范圍內(nèi)的像素?cái)?shù)大致相同，實(shí)際上是對圖像衡化后圖像里的某些細(xì)節(jié)消失；直方圖有高峰，經(jīng)直方圖均衡化后會增強(qiáng)對主要用于增強(qiáng)圖像的局部對比度。在直方圖在直方圖上，達(dá)到增強(qiáng)圖像的局部對比度而方圖均衡化對前景和背景太亮或太暗的圖像來增強(qiáng)圖像。原圖像如圖 2 所示，圖 3 為基

圖 3 基于直方圖均衡化的圖像增強(qiáng).3 Image enhancement based on histogram equaliz圖像增強(qiáng)正相機(jī)曝光過度的圖片或者曝光不足的：S cr r[0,1] c 通常取 1，γ值影響圖像變換效果，圖

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合Gabor小波和形態(tài)學(xué)的高分辨率圖像樹冠提取方法[J]. 施慧慧,王妮,滕文秀,劉玉嬋.  地球信息科學(xué)學(xué)報(bào). 2019(02)
[2]基于Bagging集成學(xué)習(xí)算法的地震事件性質(zhì)識別分類[J]. 任濤,林夢楠,陳宏峰,王冉冉,李松威,劉曉雨,劉杰.  地球物理學(xué)報(bào). 2019(01)
[3]卷積神經(jīng)網(wǎng)絡(luò)的宮頸細(xì)胞圖像分類[J]. 趙越,曾立波,吳瓊水.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(11)
[4]基于曲率和活動輪廓模型的重疊細(xì)胞分割算法[J]. 楊秀杰,李法平.  西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[5]一種基于梯度的細(xì)胞圖像邊緣檢測算法[J]. 沈德海,鄂旭,張龍昌,閻琦,侯建.  信息技術(shù). 2018(03)
[6]血液紅細(xì)胞圖像自適應(yīng)標(biāo)記分水嶺分割算法[J]. 王婭.  中國圖象圖形學(xué)報(bào). 2017(12)
[7]基于遞歸特征消除方法的隨機(jī)森林算法[J]. 吳辰文,梁靖涵,王偉,李長生.  統(tǒng)計(jì)與決策. 2017(21)
[8]基于小波變換和形態(tài)學(xué)分水嶺的血細(xì)胞圖像分割[J]. 黃籽博,劉任任,梁光明.  計(jì)算技術(shù)與自動化. 2017(03)
[9]基于細(xì)胞核特征的宮頸癌細(xì)胞圖像的識別與分類[J]. 寧梓淯,羅微,李燕,呂鵬舉,李萌.  自動化與儀器儀表. 2016(10)
[10]Boosting算法理論與應(yīng)用研究[J]. 張文生,于廷照.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2016(03)

博士論文
[1]基于特征融合的多形態(tài)牛乳體細(xì)胞分類識別的研究[D]. 郜曉晶.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2018
[2]光學(xué)顯微宮頸細(xì)胞圖像的分割與識別方法研究[D]. 關(guān)濤.國防科學(xué)技術(shù)大學(xué) 2015
[3]基于多空間混合屬性融合的白細(xì)胞圖像識別方法研究[D]. 郝連旺.燕山大學(xué) 2014
[4]細(xì)胞圖像的分割、紋理提取及識別方法研究[D]. 李寬.國防科學(xué)技術(shù)大學(xué) 2012
[5]宮頸細(xì)胞圖像分割和識別方法研究[D]. 范金坪.暨南大學(xué) 2010

碩士論文
[1]癌細(xì)胞病理圖像的檢測技術(shù)研究[D]. 蔡武斌.中北大學(xué) 2018
[2]基于強(qiáng)特征CNN-SVM的宮頸癌細(xì)胞檢測[D]. 李正義.北京交通大學(xué) 2018
[3]Stacking算法的研究及改進(jìn)[D]. 徐慧麗.華南理工大學(xué) 2018
[4]宮頸細(xì)胞圖像分割與識別算法研究[D]. 王爽.山東科技大學(xué) 2017
[5]基于聯(lián)合特征PCANet的宮頸細(xì)胞圖像分類識別方法研究[D]. 盧磊.廣西師范大學(xué) 2017
[6]光學(xué)顯微圖像細(xì)胞結(jié)構(gòu)檢測和重建方法研究[D]. 徐秋楓.華中科技大學(xué) 2016
[7]一種多分類器融合的單個宮頸細(xì)胞圖像分割、特征提取和分類識別方法研究[D]. 李文杰.廣西師范大學(xué) 2016
[8]基于局部紋理特征描述的HEp-2細(xì)胞染色模式分類[D]. 顏霜.湘潭大學(xué) 2015
[9]基于Retinex原理和聚類的生物細(xì)胞顯微圖像分割[D]. 劉方可.廣西大學(xué) 2015
[10]基于K-均值聚類及數(shù)學(xué)形態(tài)學(xué)的細(xì)胞圖像自動分割方法研究[D]. 梅林.重慶大學(xué) 2014



本文編號：3441669