论文部分内容阅读
随着计算机技术和癌症病理诊断技术的不断进步,癌细胞图像自动分析识别技术逐渐成为现实。利用癌细胞图像自动分析识别系统对癌细胞图像进行识别判断,可以为快速准确地诊断和分级癌症患者提供一条良好的途径。本文在前人研究的基础上,结合癌细胞图像病理学基础知识、计算机图像处理技术和计算机模式识别技术,首先研究了癌细胞图像的目标区域提取,其次对癌细胞图像进行了特征提取和特征降维处理,最后利用分类器完成对癌细胞的识别分类,并且设计了癌细胞图像特征提取与识别系统。本文的主要工作包括以下几个方面：(1)根据癌细胞图像的特点,本文给出了一种基于RGB三通道的细胞核区域提取方法。首先,基于RGB三通道的直方图均衡化来完成图像增强；其次,基于RGB三通道的迭代法求阈值完成对其细胞核的粗提取；最后利用颜色的特异性、中值滤波及形态学等方法完成进一步处理,得到癌细胞中细胞核完整的边界和内部区域。(2)根据癌细胞细胞核的特点和相关医学知识,提取了细胞核的11个形态特征参量、15个颜色特征参量、6个纹理特征参量和6个光密度特征参量共计38个细胞核特征组成的样本特征矢量;随后,采用主成分分析方法对原始特征向量进行降维处理,从38维向量中提取出6维互补相关的新变量来反映原变量所提供的绝大部分信息,并对其进行了归一化处理,来消除不同变量数量级间差别。(3)鉴于单个神经网络分类器泛化能力不强的缺点,本文给出了一种强分类器集成算法,对癌细胞图像进行分类识别。首先利用改进的Adaboost算法分别优化BP、RBF、LVQ神经网络,得到三个强分类器神经网络；最后采用投票法融合这三种强分类器为一个集成神经网络,形成最优判断完成癌细胞图像识别。并利用MATLAB软件设计了癌细胞图像特征提取与识别系统,可以完成癌细胞图像的细胞核区域提取、特征提取和分类识别的任务,有较强的实用价值。本文对癌细胞图像的预处理、特征提取以及分类识别等进行了系统的研究。实验结果表明,本文较好的完成癌细胞图像的特征提取和识别任务。