论文部分内容阅读
近几十年来,计算机技术的发展和图像处理技术的提升,模式识别技术及人工智能等技术和理论的创立与研究不断深入,使得图像分析系统逐渐成为医学领域自动定量分析和检验的方法之一。细胞图像自动识别技术是生物医学领域的一大难题。其中,外周血液白细胞的分割与识别是一项重要内容。血液中各类白细胞的数量和百分比在有疾病和正常情况下是不同的,医生可以依据这些重要的基础数据作为判断疾病的种类和严重程度的标准,这对于医学诊断中对血液病的研究有很大价值,因此在临床检验中有及其重要的意义。目前的血细胞分析仪在形态学检测方面存在不够精确等缺陷,外周血液涂片检查主要还是通过人工目视完成。针对异常的血液白细胞检测在血液科诊断过程中及加速白血病等疾病的诊断中发挥重要作用。因此,适当的早期检测对疾病的治疗是必要的。数字图像处理技术可以帮助医生增强感兴趣的特征的可视化程度,提高分析和诊断白细胞的功能。将细胞自动识别分类技术引入血液临床检验中,能够减轻医师劳动强度,减少人为的误差,提高检测结果的精度和检测的效率。要完成白细胞图像识别分类的目标,要经过预处理与分割、图像特征提取、模式识别分类等一系列步骤。本文针对24位真彩色血液显微白细胞图像,应用计算机图像处理技术和识别技术,充分利用彩色图像丰富的信息,提出基于HSI颜色空间的白细胞显微图像分割,经过彩色空间转换后先利用饱和度分量信息提取细胞核,然后利用色度分量信息提取整个细胞,有效结合了颜色信息和基于区域、边界的方法进行白细胞分割,血细胞特征提取需要将细胞从复杂背景中分离出来,进行分析和分类,提取合理的特征。在深入分析显微白细胞图像特征的基础上从形状特征、纹理特征等几个方面入手对白细胞图像的特征进行描述与刻画。在分类识别方面,为了解决血细胞这种特征维度高并且类型复杂的图像对识别造成的困难,提高识别的精度,主要研究了BP神经网络分类器的设计。