尿沉渣图像红白细胞自动分割与识别算法研究.docxVIP

2013年

2013年9月1日

第36卷第17期

Sep.2013

Vol.36No.17

ModernElectronicsTechnique

尿沉渣图像红白细胞自动分割与识别算法研究

白渊海

（西安科技大学通信与信息工程学院，陕西西安710054）

摘要：针对尿沉渣图像中的红白细胞，提出了一种基于组合思想的分割方法，即对图像进行三层处理，将各层的分割结果进行融合，从而通过多信息互补的方法得到完整的分割结果。设计了两级集成SVM分类器对红白细胞进行识别。实验证明，提出的整套算法简洁高效，精度高，具有较强的普适性。

关键词：尿沉渣；图像分割；多信息互补；SVM

中图分类号：TN957.52-34文献标识码：A文章编号：1004-373X（2013）17-0118-04

Anautomaticsegmentationandrecognitionalgorithmforred

andwhitecellsinurinesedimentimages

BAIYuan-hai

（CommunicationandInformationEngineeringCollege，Xi’anUniversityofScienceandTechnology，Xi’an710054，China）

Abstract：Asegmentationmethodbasedoncombinationthoughtsfortheredandwhitecellsintheurinesedimentimagesisproposed，inwhichimagesaresplittedintothreelayers，andthesegmentationresultsofeachlayerarefusedtogetacom-pletesegmentationresultthroughmulti-informationcomplementary.Two-levelintegratedSVMclassifierwasdesignedtoidentifytheredandwhitecells.Theexperimentresultsshowthatthealgorithmproposedisnotonlysimpleandefficient，butalsohashighprecisionandstronguniversality.

Keywords：urinesediment；imagesegmentation；multi-informationcomplementary；SVM

0引言

尿沉渣检查是指通过对尿液中各种有病理意义的有形成分进行分析，来检验一个人的肾脏及泌尿系统是否有疾病或者损伤。红白细胞作为尿沉渣中最具有临床价值的两类细胞，是必须要进行检查的有形成分。让计算机代替人来完成对红白细胞的自动分析，关键在于对红白细胞的分割与识别。

目前，已经出现了许多种分割和识别方法。在分割上，文献[1-3]中提出了阈值分割、聚类、边缘检测以及区域提取等方法。特定地使用某种阈值分割法只能将其中的一部分红白细胞分割出来。聚类法是通过检测相似点的簇来对每个聚类进行标记，其缺点是聚类数目事先不可知，而且没有考虑到不同类别间的交叉性。边缘检测通过确定强度值的突变点的位置来区分不同的区域，但是仅仅通过边缘检测并不能取得整体上较满意的效果。区域提取存在停止准则确定困难以及计算复杂等缺点。在识别上，文献[4-6]中提出了线性分类法、模

收稿日期：2013-05-28

糊聚类、神经网络以及支持向量机等方法。其中线性分类法无法解决非线性问题，模糊聚类法没有考虑到类别间的交叉，神经网络法存在严重的过学习问题，无法避免局部极小值，得到的解可能是局部最优解。

相比之下，支持向量机算法是专门为适用于小样本学习问题而提出的通用学习算法。它基于结构风险最小化原理，而非传统的经验风险最小化原理，从而能兼顾训练误差和泛化能力[7]。而且SVM不存在过学习问题，得到的解是全局最优解，有更好的泛化性能。

综上所述，对于复杂的尿沉渣图像来说，单一地使用某种分割方法很难将尿沉渣中的红白细胞全部分割出来。为此，通过研究各种分割方法的优点，本文提出了三次组合分割算法，将图像分三层进行处理，在每一层中使