论文部分内容阅读
实现人体外周血细胞的自动分类识别对临床诊断极具价值,可以大大提高诊断速度。而在人体外周血细胞自动识别系统中最为关键的步骤就是血细胞自动分割算法的研究。由于快速染色方法得到的人体外周血细胞图像染色效果欠佳、存在可能的边界模糊,目前还没有方法能够非常有效地对该类图像进行分割处理。而针对该类图像,本文提出了一种能精确分割白细胞的算法框架,该框架包括以下算法设计: 首先是显微图像自动聚焦算法设计。本文在总结分析常用自动聚焦算法的基础上,提出了一种基于焦点窗口的显微图像自动聚焦算法。该算法改进了焦点窗口的选取方法,使得选取的焦点窗口更具代表性;然后在焦点窗口内利用Tenegrad算子计算清晰度评价值,不仅保留了Tenegrad算子良好的单峰性、锐利性、单调性的优势,而且提高了实时性。实验测试表明其聚焦性能相对最优。 其次是白细胞粗定位算法设计。白细胞粗定位算法用于获取图像内细胞小图,以减少不必要的分割处理提高算法实时性。由于白细胞粗定位并不需要获得精确结果,本文考虑采用阈值分割方法实现细胞粗定位。结合本文要处理的外周血细胞图像的特点,在综合比较各类阈值分割方法性能之后,本文采用基于全局直方图的阈值分割方法。该方法能够获得较为准确的白细胞粗定位结果。 然后是白细胞精确分割算法设计。本文提出的白细胞精确分割算法主要包括两个步骤:细胞核分割与细胞质分割。本文首先基于直方图对比度(Histogram Contrast)显著图,提出了相应的细胞核精确分割方法。然后考虑到基于 SVM颜色分类的分割方法具有很好的适应性,可用于处理染色不均匀的快速染色血细胞图像。本文在总结分析了基于SVM颜色分类的分割方法的优势与不足之后,改进训练样本的获取方法以获得更准确的样本点,采用基于KMeans过分割结果的聚类抽样方式以获得更具代表性的训练样本点,在特征中加入空域信息,提出了细胞质精确分割方法。 实验结果表明,本文提出的白细胞精确分割方法对快速染色图像和标准染色图像均具有良好的分割性能,且能够满足算法实时性要求。这证明了本文方法的优越性与广泛适用性。