血細(xì)胞中包含紅細(xì)胞、白細(xì)胞和血小板等,而白細(xì)胞的形態(tài)學(xué)檢驗(yàn)是臨床診斷提供有力的依據(jù),具有廣闊應(yīng)用前景。目前,利用人工鏡檢的方式觀察血細(xì)胞載玻片是普遍現(xiàn)狀,但是人工對(duì)白細(xì)胞進(jìn)行分類是枯燥和低效的,通過(guò)圖像處理和模式識(shí)別等技術(shù)實(shí)現(xiàn)白細(xì)胞檢測(cè)的自動(dòng)化和智能化是當(dāng)前的發(fā)展趨勢(shì)。本文基于運(yùn)動(dòng)控制平臺(tái)、彩色CCD相機(jī)、光學(xué)顯微鏡和高性能計(jì)算機(jī)搭建全自動(dòng)血細(xì)胞檢測(cè)系統(tǒng),采用高效的圖像采集方案并結(jié)合自動(dòng)聚焦技術(shù),獲取高質(zhì)量的白細(xì)胞顯微圖像,通過(guò)圖像分割分類算法實(shí)現(xiàn)白細(xì)胞圖像在線識(shí)別。采集圖像方面,在低倍鏡下利用二維離散小波定位單細(xì)胞層區(qū)域,并利用斑點(diǎn)檢測(cè)的方法定位白細(xì)胞,然后在油鏡下對(duì)定位的白細(xì)胞進(jìn)行圖像采集。圖像分割算法方面,針對(duì)計(jì)算機(jī)顯微視覺(jué)圖片的特點(diǎn),通過(guò)篩選圖像顏色模型,選取符合人眼觀察的HSI顏色模型進(jìn)行白細(xì)胞與背景圖像的精確剝離。對(duì)比研究多種圖像分割算法,區(qū)域生長(zhǎng)算法在HSI模型的H通道上表現(xiàn)出良好的分割性能,滿足下一步分割需求。在細(xì)胞核和細(xì)胞漿的提取方面,在白細(xì)胞背景剝離的基礎(chǔ)上,對(duì)RGB模型B通道白細(xì)胞圖像利用大津法(otsu)實(shí)現(xiàn)白細(xì)胞核和白細(xì)胞漿的提取。分類識(shí)別方面,建立了白細(xì)胞形... 

【文章來(lái)源】：北方工業(yè)大學(xué)北京市

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－４自動(dòng)聚焦平臺(tái)??９??

非中．細(xì)胞層圖像比單細(xì)胞層圖像在水平高頻系數(shù)Ｌ／７，和垂直高頻系數(shù)／％子??帶中包含史多的高頻能景。根據(jù)這？特征，設(shè)定高頻能量閾值即可確定出單細(xì)胞??層區(qū)域，如圖２－７、圖２－８所示。??Ｖ５ｊ???１．５ｊ???????????Ｉ??Ｉ??Ｉ??１?■??－??—??０?５?１????－０．５?０?５??－１?｝■■???？［（？）?！??０Ｌｗ??????０?０＿２?０?４?００?０．８?１?°０?０２?０．４?０４?００?１??閣２－６?ｈａｒｒ小波函數(shù)和尺度函數(shù)??－??．?；?．??＾?：?■：－：??Ａ－－＂?，－＾ｖ，?：?？??■??．．??．??，?＊??：＝．．．．丫?．?？?．?．??？??，??？?．??霉??

非中．細(xì)胞層圖像比單細(xì)胞層圖像在水平高頻系數(shù)Ｌ／７，和垂直高頻系數(shù)／％子??帶中包含史多的高頻能景。根據(jù)這？特征，設(shè)定高頻能量閾值即可確定出單細(xì)胞??層區(qū)域，如圖２－７、圖２－８所示。??Ｖ５ｊ???１．５ｊ???????????Ｉ??Ｉ??Ｉ??１?■??－??—??０?５?１????－０．５?０?５??－１?｝■■???？［（？）?！??０Ｌｗ??????０?０＿２?０?４?００?０．８?１?°０?０２?０．４?０４?００?１??閣２－６?ｈａｒｒ小波函數(shù)和尺度函數(shù)??－??．?；?．??＾?：?■：－：??Ａ－－＂?，－＾ｖ，?：?？??■??．．??．??，?＊??：＝．．．．丫?．?？?．?．??？??，??？?．??霉??

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法預(yù)測(cè)2D三向的蛋白質(zhì)結(jié)構(gòu)[J]. 夏慧芳,郭雨珍,江宏昊.  生物信息學(xué). 2019(01)
[2]基于深度學(xué)習(xí)的視頻跟蹤研究進(jìn)展綜述[J]. 戴鳳智,魏寶昌,歐陽(yáng)育星,金霞.  計(jì)算機(jī)工程與應(yīng)用. 2019(10)
[3]融合局部紋理特征的核密度估計(jì)運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 金靜,黨建武,翟鳳文,王陽(yáng)萍,申?yáng)|,張振海.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(02)
[4]卷積神經(jīng)網(wǎng)絡(luò)在MRI圖像診斷中的應(yīng)用[J]. 王洋,劉積仁,趙大哲,邱道云.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[5]基于核函數(shù)的稀疏屬性選擇算法[J]. 張善文,文國(guó)秋,張樂(lè)園,李佳燁.  計(jì)算機(jī)科學(xué). 2019(02)
[6]基于聚類分析和決策樹(shù)的“一庫(kù)多級(jí)”水電站日調(diào)度方法[J]. 申建建,張楠男,程春田,張聰通.  中國(guó)電機(jī)工程學(xué)報(bào). 2019(03)
[7]平行因子結(jié)合支持向量機(jī)對(duì)多環(huán)芳烴的熒光檢測(cè)[J]. 王書(shū)濤,吳興,朱文浩,李明珊.  光學(xué)學(xué)報(bào). 2019(05)
[8]基于樸素貝葉斯機(jī)器學(xué)習(xí)的PI3K抑制劑預(yù)測(cè)研究[J]. 羅瑤,宋衍琳,尚瑾玲,王領(lǐng).  中國(guó)新藥雜志. 2019(01)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)約束優(yōu)化方法[J]. 董志貴,王福林,宋慶鳳,吳志輝.  統(tǒng)計(jì)與決策. 2019(01)
[10]基于小波去噪和梯度校正的分水嶺圖像分割技術(shù)研究[J]. 周小明.  數(shù)學(xué)雜志. 2019(04)

碩士論文
[1]基于ARM的指針式儀表讀數(shù)識(shí)別算法研究與實(shí)現(xiàn)[D]. 劉家寶.華北電力大學(xué) 2018
[2]仿生智能計(jì)算技術(shù)及其在醫(yī)學(xué)圖像分割中的應(yīng)用研究[D]. 李哲.西北工業(yè)大學(xué) 2017
[3]白細(xì)胞圖像的特征提取與分類算法研究[D]. 張敏淑.中國(guó)計(jì)量大學(xué) 2016
[4]基于模糊聚類的彩色圖像分割算法研究[D]. 鄭朋.陜西師范大學(xué) 2016
[5]基于顏色特征向量的無(wú)線膠囊內(nèi)窺鏡圖像出血檢測(cè)研究[D]. 陳淑芳.重慶大學(xué) 2016
[6]基于神經(jīng)網(wǎng)絡(luò)的病理圖像融合識(shí)別研究與實(shí)現(xiàn)[D]. 王玉山.武漢理工大學(xué) 2010



本文編號(hào)：2937759