尿沉渣显微图像红细胞分割识别方法研究.pdfVIP

尿沉渣娃微图像中红细胞分割识别方法研究 摘 要 尿沉渣显微镜检查是常见而重要的临床检验项目，红细胞是检测重要指标之 一。目前，临床上对尿液中有形成分的检验主要还是依靠人工镜检的方式。该方 式工作强度大，主观程度强，且主要集中于有形成分的定性检查，不利于临床的 定量诊断。随着计算机视觉以及模式识别技术的发展，尿沉渣有形成分检测的自 动化定量分析己经成为可能。自动分析过程可以划分为图像预处理、分割、特征 提取及识别。本论文主要就红细胞的分割与识别展开研究工作。 在图像预处理方面，采用MeanShift算法对彩色图像直接进行平滑处理，之 后利用Canny算子对图像进行边缘检测，获得的对象边缘较为完整，且一定程度 上抑制了背景噪声的影响。 根据红细胞形状一般接近椭圆的特点，本文采用了常用的参数化曲线检测方 法一一Hou曲变换来进行红细胞的分割。由于描述椭圆需要使用5个参数，因此标 准Hou曲变换在本研究中不具有可行性，而随机Hough变换则更加适用。通过分析 随机Hou曲变换的采样效率，指出了降低采样过程中噪声水平的必要性，并基于 降噪的思路提出了改进的随机Hou曲变换椭圆检测算法。根据红细胞大小的先验 知识，在全图进行Hou曲变换圆环检测，获得若干可能存在红细胞的区域，然后 再依次在各个候选区域中进行随机椭圆Hou曲检测。为在合理的内存开销下进一 步降低算法复杂度，Hou曲变换的参数空间采用了5个一维累加器数组来构造。由 于此时的随机Hou曲变换在一个很小地范围内进行，局部信噪比大为提高，因此 算法效率可得到极大提升，准确率也明显提高。通过在尿沉渣图像上的实验，验 证了算法的有效性。 针对分割得到的椭圆对象，进行了若干几何特征的提取，并基于ID3算法来 构造红细胞识别决策树。所得决策树在实际尿沉渣图像集上进行了验证性应用， 取得了较好的效果。 关键词：尿沉渣；红细胞分割识别；Meanshift；Hough变换；椭圆检测 Abstract sedlment Unnary microscopy isacommonand inspection clinicaltest． important 1之edcellsin sediment urinary arecriticaI ofthe subject test．Analysisofvisible ln component sedimentis urlnary carried currentlyout manual mainlyby microscopy exammatlonofthe is sample．Thisapproachlaboriousandsuecttohuman b：j impacts， and usuallygiVe isnot qualitatiVeresults，thusabletofulfillthe for requirements c“nlcaI test．Withthe quantitatiVe of vision deVelopment