尿沉渣圖像自動識別算法的研究.pdf

1、全自動尿沉渣分析儀是實現(xiàn)尿沉渣自動檢測的有效手段，其識別率的高低、速度的快慢對于提高尿沉渣自動檢測的效率非常重要。本文展開了對尿沉渣圖像自動識別算法的研究。著者在從事“尿沉渣圖像自動識別算法的研究”課題的研究中，廣泛吸取了國內(nèi)外已有的有益成果，根據(jù)尿沉渣圖像特點從圖像增強(qiáng)、圖像分割、特征提取和特征選擇、圖像識別等各個環(huán)節(jié)尋求最佳的可行方法以提高識別的性能，提出了基于組合圖像分割算法、改進(jìn)的特征提取和特征選擇算法以及BP神經(jīng)網(wǎng)絡(luò)分類器的尿

2、沉渣圖像自動識別算法。文末基于MATLAB平臺對多幅尿沉渣圖片進(jìn)行了識別測試實驗，測試統(tǒng)計結(jié)果表明，該算法可對尿沉渣圖片中的四類有形成分以及雜質(zhì)進(jìn)行識別，對四類有形成分的識別準(zhǔn)確率均較高，尤其是實現(xiàn)了對管型和上皮細(xì)胞的高準(zhǔn)確率的識別。 在識別的研究中，著者用算法分析和測試實驗證明了該算法的可行性和有效性，完成了尿沉渣圖像自動識別算法的研究課題。歸納起來，論文的主要貢獻(xiàn)有：1)提出了尿沉渣圖像二次組合分割算法。該算法采用小波變換結(jié)

3、合形態(tài)學(xué)處理實現(xiàn)對尿沉渣圖像成分的粗分割，有效降低散焦成分對分割的影響；根據(jù)粗分割得到的子圖情況，自適應(yīng)的采用改進(jìn)的自適應(yīng)閾值分割結(jié)合形態(tài)學(xué)處理或canny邊緣檢測結(jié)合形態(tài)學(xué)處理來對圖像成分進(jìn)行精細(xì)分割，獲得滿意的分割效果；該算法還采用了剝離算法處理粘連交疊嚴(yán)重的細(xì)胞成分的分割問題，從而增強(qiáng)了該算法的普適性。2)提出了尿沉渣圖像二次自適應(yīng)閾值分割算法。該算法采用了小波變換結(jié)合形態(tài)學(xué)處理實現(xiàn)對尿沉渣圖像成分的粗分割，有效降低散焦成分對分割

4、的影響；針對粗分割獲得的子圖，可獲得相應(yīng)的小波變換子圖，對其進(jìn)行自適應(yīng)閾值處理和形態(tài)學(xué)處理獲得二次分割效果。該算法具有速度快的優(yōu)點，對一般不太復(fù)雜的尿沉渣圖像能獲得滿意的分割效果。該算法也可以采用剝離算法來增強(qiáng)處理粘連交疊嚴(yán)重的細(xì)胞分割問題的能力，從而增強(qiáng)該算法的普適性。3)針對特征選擇問題，提出了改進(jìn)遺傳算法的特征選擇算法。該算法采用了分層分類的思想，簡化了尿沉渣特征選擇問題；將普通遺傳算法與雙向法進(jìn)行結(jié)合，實現(xiàn)了基因逐步鎖定技術(shù)，增

5、強(qiáng)了遺傳算法搜索最佳特征子集的性能；引入了小生境技術(shù)，保持了遺傳種群的多樣性，防止陷入局部最優(yōu)解；引入特征子空間劃分方法，優(yōu)化了初始種群；采用了自適應(yīng)變異算子，提高了遺傳算法局部搜索最佳特征子集的能力；引入了多評價準(zhǔn)則，提高了選擇得到的最佳特征子集的穩(wěn)定性和分類能力。 本文結(jié)構(gòu)如下：第一章緒論中論述本課題的意義、目的以及國內(nèi)外相關(guān)的研究現(xiàn)狀；第二章論述尿沉渣圖像增強(qiáng)算法的研究，包括相關(guān)理論分析，實驗及結(jié)果分析，以及算法的實現(xiàn)；第

6、三章論述了尿沉渣圖像分割算法的研究，包括相關(guān)理論分析，算法研究與實現(xiàn)以及相關(guān)的實驗結(jié)果和分析；第四章論述了尿沉渣圖像成分的特征提取方法的研究，包括相關(guān)特征提取方法，方法的選擇以及相關(guān)的實驗結(jié)果和分析；第五章論述了尿沉渣圖像特征選擇算法的研究，包括相關(guān)理論分析，算法分析與實現(xiàn)以及相關(guān)的實驗結(jié)果和分析。第六章論述了尿沉渣圖像BP神經(jīng)網(wǎng)絡(luò)分類器的研究，包括相關(guān)理論分析，分類器設(shè)計以及實驗結(jié)果和分析。第七章為結(jié)論，論述了本文所做的主要研究工作以