【摘要】：白細胞分類計數(shù)臨床意義重要，依靠血液自動分析儀進行白細胞檢驗已經(jīng)成為醫(yī)生診斷疾病的主要方法之一。雖然以圖像處理方法為基礎(chǔ)的血液自動分析儀具有低成本、易普及的優(yōu)點，但由于缺少針對性強、成熟穩(wěn)定的白細胞圖像自動識別方法，目前它的市場化應(yīng)用尚不夠成熟，所以白細胞圖像識別方法有著重要的研究意義和應(yīng)用前景。本文以形式概念分析為主要理論支撐，提出了基于多空間混合屬性融合的白細胞圖像識別方法，通過融合利用多空間混合屬性信息手段，來解決白細胞圖像自動分類技術(shù)不夠成熟穩(wěn)定、醫(yī)學背景信息復雜等問題。該方法對多屬性信息融合、模式分類理論研究和血液自動分析技術(shù)提升都具有重要意義。 首先，為了準確提取白細胞圖像屬性特征，本文提出了一種具有魯棒性的白細胞圖像分割方法，并按照分割流程，分為4個基本步驟：基于多顏色空間分量組合算法的白細胞定位、基于幅角函數(shù)算法的白細胞圖像去粘連、基于指紋直方圖平滑算法的細胞核分割和基于綜合疊減算法的細胞漿分割。經(jīng)實驗驗證，該方法能夠?qū)崿F(xiàn)對光照、染色和復雜粘連的血液顯微圖像準確定位白細胞，完整分割出胞核和胞漿。 其次，本文基于形式概念分析和屬性偏序結(jié)構(gòu)理論，提出了一種白細胞圖像屬性約簡和規(guī)則提取方法。該方法首先提取白細胞的形態(tài)、紋理和色彩光密度等底層特征，然后對圖像特征進行類間重疊系數(shù)矩陣預選，接著根據(jù)分層類坐標矩陣原理生成屬性偏序結(jié)構(gòu)，并對白細胞圖像類間屬性層次關(guān)系進行分析以完成屬性特征優(yōu)選，將白細胞圖像原始70維特征有效降為7維。在得到白細胞圖像優(yōu)選屬性之后，本文對優(yōu)選屬性進行離散化分析，針對實際白細胞圖像數(shù)據(jù)集構(gòu)建了優(yōu)化后的形式背景和屬性偏序結(jié)構(gòu)，然后通過分析該屬性偏序結(jié)構(gòu)，提取了6類白細胞的相應(yīng)6條分類規(guī)則。 最后，本文基于多空間混合屬性融合的思想設(shè)計了三種白細胞圖像分類器。包括基于多顏色空間屬性融合的白細胞圖像分類器（MCS）、基于多尺度空間屬性融合的白細胞圖像分類器（MSS）和基于屬性多層次空間屬性融合的白細胞圖像分類器（MLS）。將該三種分類器與傳統(tǒng)方法在實際采集數(shù)據(jù)集上做了交叉驗證測試對比，MCS與其它三種傳統(tǒng)方法相當，MSS和MLS較好，其中MLS最好，主要因為它充分利用了屬性偏序結(jié)構(gòu)提取的分類規(guī)則，在傳統(tǒng)分類器基礎(chǔ)上，增加了伴生條件決策驗別、錯誤結(jié)果循環(huán)反饋及增強再處理的環(huán)節(jié)。實驗結(jié)果表明基于多空間混合屬性融合的白細胞圖像識別方法具有較好的分類性能，特別是基于形式概念分析理論的混合屬性融合分類器能夠有效提高白細胞分類精度。該方法還可以推廣應(yīng)用于其它領(lǐng)域的計算機圖像自動識別問題。
【學位授予單位】：燕山大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：R331.142;TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 王洪濤;羅長洲;王渝;郭賀;趙述芳;;New Algorithm for Binary Connected-Component Labeling Based on Run-Length Encoding and Union-Find Sets[J];Journal of Beijing Institute of Technology;2010年01期

2 宋凱;劉潤華;康忠健;;基于混合數(shù)據(jù)挖掘方法的配電網(wǎng)故障診斷技術(shù)[J];電力科學與技術(shù)學報;2010年02期

3 洪文學;;基于多元圖圖形幾何特征的模式識別新方法[J];燕山大學學報;2008年05期

4 洪文學;高海波;崔建新;李昕;季淑梅;;多元圖圖形基元和特征基元提取與表示方法[J];燕山大學學報;2008年05期

5 孟輝;洪文學;宋佳霖;王立強;;基于多元圖形特征融合原理的降維方法研究[J];燕山大學學報;2008年05期

6 崔建新;洪文學;高海波;王金甲;;基于樣本類可分性分析的特征選擇研究[J];燕山大學學報;2008年06期

7 楊哲海;劉昌俊;穆敬;;基于混合分類規(guī)則的成像光譜數(shù)據(jù)分類研究[J];海洋測繪;2010年04期

8 廖志芳;陳宇宙;樊曉平;瞿志華;;面向非平衡混合數(shù)據(jù)的改進計數(shù)最近鄰分類算法[J];計算機工程與應(yīng)用;2008年12期

9 李賢;羅可;;BIRCH混合屬性數(shù)據(jù)聚類方法[J];計算機工程與應(yīng)用;2009年30期

10 陳錦坤;李進金;;概念格的公理化[J];計算機工程與應(yīng)用;2012年05期

相關(guān)博士學位論文 前1條

1 陳健美;基于密度聚類和多特征融合的醫(yī)學圖像識別研究[D];江蘇大學;2008年

本文編號：2796347