本文關鍵詞：基于形狀特征學習的血液白細胞自動分類研究，由筆耕文化傳播整理發(fā)布。

【摘要】：血液白細胞自動五分類是圖像處理、醫(yī)學領域一個重要的課題，在細胞分類、疾病預防和檢測等方面有重要的應用價值。實現(xiàn)血液白細胞五分類主要分為三大步驟：細胞分割、特征提取、分類實現(xiàn)。白細胞分類往往由于成像環(huán)境變化等外界環(huán)境的影響及提取的特征適用面窄，導致特征魯棒性差、分類準確率不高。本文對如何提取有效的分類特征及提高分類準確率做了重點研究。論文的主要工作如下： 首先，介紹了課題的研究意義及國內外的研究現(xiàn)狀。闡述了傳統(tǒng)的白細胞分類所采用的方法及缺陷，以及目前采用數(shù)字圖像處理方法實現(xiàn)白細胞分割和分類的現(xiàn)狀。 其次，詳細說明血液圖像的處理及白細胞分割的方法，具體為，對取得血液圖像，采用提取圖像的G通道，，通過閾值分割得到白細胞大概位置，然后通過開運算和連通域標記，取得白細胞的圖像。對細胞核分割，采用Mean-Shift方法和區(qū)域合并的方法實現(xiàn)，細胞質分割，采用GVF snake方法實現(xiàn)。 然后對目前常用的白細胞分類方法進行驗證，采用不同的特征實現(xiàn)分類，如顏色特征，包括細胞核LUV顏色空間的均值和方差等；形狀特征，包括細胞核細胞質面積、周長，細胞核、細胞質邊界的均值和方差，核質比，細胞核和細胞的圓形度，第一、二階不變矩等；紋理特征，包括細胞核模式頻譜、灰度共生矩陣、局部二進制模式等。在驗證這些實驗中有成功的，也有失敗的。通過驗證實驗找出目前所用特征的優(yōu)缺點，進行改進。 最后提出了基于距離變換的不變矩，結合核質比和細胞核面積周長比，這三個形狀特征，通過最小距離分類器和貝葉斯分類器實現(xiàn)對單核細胞、淋巴細胞、嗜堿性粒細胞的分類，然后對剩余嗜酸性粒細胞和中性粒細胞，通過共生矩陣提取五個紋理特征，支持矢量機學習和訓練實現(xiàn)分類。實驗中測試的細胞樣本量為523張圖片，對單核細胞、淋巴細胞、嗜堿性粒細胞、嗜酸性粒細胞和中性粒細胞的分類準確率分別為98.7%、88.5%、98.4%、92.3%和96.8%，總的平均分類準確率為96.1%，通過逐步細分的方法，減少了誤判的幾率和范圍，提高了分類準確率。
【關鍵詞】：白細胞分類 歐氏距離變換 不變矩 形狀特征 紋理特征 分類器
【學位授予單位】：浙江理工大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP391.41;R331.142
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 研究目的及意義10
• 1.2 國內外研究現(xiàn)狀10-14
• 1.3 論文的主要研究內容14-16
• 第二章 血液白細胞圖像的處理及分割16-29
• 2.1 血液白細胞類別及其特點16-18
• 2.2 血液白細胞顯微圖像的獲取18
• 2.3 白細胞顯微圖像的分割18-28
• 2.3.1 血液圖像中白細胞目標圖像的獲取19-22
• 2.3.2 細胞核分割22-25
• 2.3.3 細胞質分割25-28
• 2.4 本章小結28-29
• 第三章 特征的選擇及提取29-59
• 3.1 顏色特征29
• 3.2 形狀特征29-31
• 3.3 紋理特征31
• 3.4 白細胞分類特征方法的現(xiàn)狀31-58
• 3.4.1 基于形態(tài)學頻譜的白細胞分類方法32-36
• 3.4.2 基于形狀特征及紋理特征結合的白細胞分類方法36-43
• 3.4.3 基于非線性極點圖濾波的紋理不變分類方法43-47
• 3.4.4 基于特征集合的白細胞分類方法47-54
• 3.4.5 基于形狀特征的白細胞分類方法54-58
• 3.5 本章小結58-59
• 第四章 基于距離變換的特征方法59-64
• 4.1 歐氏距離變換59-60
• 4.2 不變矩60-61
• 4.3 其他形狀特征61-62
• 4.4 紋理特征62-63
• 4.5 本章小結63-64
• 第五章 系統(tǒng)實現(xiàn)及實驗結果分析64-83
• 5.1 系統(tǒng)實現(xiàn)64-66
• 5.2 形狀特征數(shù)據(jù)66-70
• 5.3 采用的分類器70-78
• 5.3.1 最小距離分類器70-72
• 5.3.2 貝葉斯分類器72-75
• 5.3.3 支持矢量機分類器75-78
• 5.4 分類實現(xiàn)78-79
• 5.5 實驗結果及分析79-82
• 5.6 本章小結82-83
• 第六章 總結與展望83-85
• 6.1 結論83
• 6.2 工作展望83-85
• 參考文獻85-90
• 致謝90-91
• 攻讀學位期間的研究成果91

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 湯學民;林學

本文編號：418299