基于Gabor滤波器和SVM的血细胞图像分类识别研究-计算机应用技术专业论文.docxVIP

摘 要 对于血细胞图像的研究是医学图像处理领域中的一个重要分支，本文围绕臼细胞 在临床常规染色条件下的显微图像的分类识别这一应用性课题，针对臼细胞显微图像 的特点，对臼细胞分类识别中的关键技术一细胞核的分割、粘连细胞分割以及多分类 识别等方面展开了深入研究。所做的工作和取得的成果主要有以下几点: (1)血细胞图像分割的主要工作是先分割出臼细胞核，再提取臼细胞子图像。根 据血细胞图像按照灰度等级分为臼细胞核、红细胞及胞浆、背景三个区域，本文提出 一种改进的Otsu双阙值分割算法，应用于血细胞图像，分割出臼细胞核。然后采用八 邻域区域增长方法对臼细胞核进行标记，根据臼细胞核的位置及其胞浆的大小，对血 细胞图像进行裁剪，最终提取出臼细胞子图像。 (2)由于血细胞图像的复杂性，在提取出的臼细胞子图像中，存在着胞浆和红细 胞的粘连现象，影响了臼细胞特征提取和识别。本文分析了胞浆和红细胞纹理之间的 差异，提出一种使用纹理特征分割粘连细胞图像的方法。该方法首先使用Gabor滤波 器对图像纹理特征进行提取，并对提取的特征图像进行高斯平滑和阵维处理，最后使 用k均值聚类算法分类。实验结果表明，该方法对粘连细胞分割具有良好的效果，同时 不依赖于图像的颜色或者灰度信息，有较好的鲁棒性。 (3)由于臼细胞图像样本有限，本文采用一种新的机器学习理论–支持向量机(SVM) 对臼细胞进行分类识别。通过分析五类臼细胞的特征，对分割出来的臼细胞提取颜色、 纹理和形态等特征参数，作为支持向量机的输入空间。在支持向量机的训练过程中，采 用交叉验证方法并比较三种常用核函数在各种模型参数下的泛化性能，由实验得出核 函数的最优参数。最后使用一对多支持向量机对臼细胞进行分类识别，实验结果显 示该支持向量机在小样本情况下具有良好的分类效果。 关键词:Otsu算法; Gabor滤波器; 血细胞图像分割; 粘连细胞分割; 支持向量机. 万方数据 I – Abstract The research on blood cells image is an important branch in the field of medicine image processing. This paper focuses on the applied project about classification and recognition of leukocytes which are conventionally prepared with W-G stain. It stud- ies the key techniques of classification and recognition, such as segmentation of cells, feature extraction and the multi-class classification. The job are listed below: The main job of blood cells image segmentation is to segment the white cells, and then extraction of leukocyte sub-image. According to the gray level of Blood cells image, it is divided into white cell nucleus, red blood cells and the cytoplasm, the background of these three regions. This paper proposes an improved Otsu double thresholds algorithm, which is applied to the blood image in dividing the white blood cell nucleus. And then this paper uses eight-neighbor method of regional growth for marking cell nucleus. Finally, leukocyte sub-imgae is cropped from blood cells image according to white blood cell nucleus position and cytoblastema size. Because of the complexity of the blood cells image, there exists touch and overlap between cytopla