文档介绍：像本身特征出发,将多种处理算法有机的结合,通过计算和反复实验,提出了一套完平集方法和分水岭算法相融合的尿沉渣图像分割方法。实验证明,这两种方法的结合,为了解决目前临床上通过显微镜、利用目视方法来定性地分析尿沉渣涂片,并根据尿沉渣有形成分的颜色和形态特征等进行人工分析、识别和计数等操作的弊端。本文设计出一套集病理分析、分类及诊断等功能为~体的尿沉渣有形成分分析系统,在实际应用中,该系统能快速、,又提高了餍屎驼锒险仿剩阅虺猎±碚锒辖科学性分析具有重要意义。本文从理论和实践两个方面研究了尿沉渣有形成分的优化检测方法,利用数字图像处理技术和模式识别理论对尿沉渣图像的分割和分类进行了深入研究。从尿沉渣图整有效的对尿沉渣有形成分分析和判别的处理方案。为了能够对尿沉渣有形成分进行准确的数据分析,关键是要对该种图像进行正确分割。本文采用分水岭变换对尿沉渣图像进行分割,但此算法容易造成图像的过分割,导致图像的轮廓线掩埋在杂乱的分水岭线中。为了避免这种过分割现象,首先在前人研究的基础上利用形态学变换算法对尿沉渣图像进行预处理,并对预处理后的图像进行标记提取和分水岭变换。这样,在去除噪声的同时,减少了过分割区域的数目,但有少部分仍然存在过分割。针对此缺陷,本文提出了将水平集方法和分水岭变换相融合的分割方法,实验证明,该方法不仅很好地解决了过分割问题,而且使尿沉渣有形成分能够准确、快速地分割出来,并且把在分割过程中产生的尖点、断裂等情况均融台为~体。对分割后的尿沉渣图像,利用形态特征参数对尿沉渣有形成分进行描述。采用轮廓跟踪、径向基神经网络和支持向量机等方法对尿沉渣有形成分分类识别,提出以轮廓跟踪方法计算得出的特征参数值作为支持向量机的输入训练样本,再经过反复训练和测试得到多个分类器,将被测图像输入到多分类器中进行分类,解决了尿沉渣有形成分的多分类问题。综上所述,作者认为本文的创造性工作如下。本文在理论和实验研究的基础上,指出了利用分水岭算法对尿沉渣图像进行分割存在的过分割现象,为解决这一问题,作者提出了首先采用形态处理算法对尿沉渣图像进行预处理,以消除图像中的大部分噪声和无关杂质,再采用先标记图像后用分水岭分割图像的方法,并对分割后的图像通过区域合并处理得到最终的分割结果,此种方法在很大程度上解决了分水岭算法的过分割现象;」苌鲜龇椒茉诤艽蟪潭壬辖饩龉指钗侍猓ü指钕窒蠡乖谀持殖度上存在。作者根据过分割后小区域间像素点的灰度值比较接近的特点,提出了将水不仅减少了分割的盲目性,而且提高了分割的准确性;使嗣轮廓跟踪疗法对大量的尿沉清图像进行特征参数计算,得了不同有
的反复训练和测试,识别率达到.%。说明本文提出的方法是一种更优的分类算法,形成分的参数值范围,根据这些参数值的不同,设计出了基于特征参数的尿沉渣有形成分的分类方法;褂肦对分割后的图像进行分类,但存在分类精度低的缺点,为解决这~问题,作者引入了掷喾椒āL岢隽税崖掷8俜椒ḿ扑愕玫降奶卣鞑问作为难盗肥淙胧荩源罅康难窘醒盗罚贸隽擞糜谑侗鸩煌行纬煞值多分类器。实验结果证明,这种方法不但浞高了分类精度和速度,而且减少了计算量和内存的使用率,达到了尿沉渣有形成分分类的目的。全文共由七章组成,各章的主要内容如下。第一章从尿沉渣分析仪的研究背景和国内外发展现状等方面做了简要叙述,阐明了本课题主要研究意义和目的,指出了本文的研究内容和论文的组织结构。鹪一:章简要介绍了尿沉渣涂片的制各过程和图像的获取过程,说明了尿沉渣图像各种有形成分的特点,描述了它们在显微镜下的形态特征,给出了部分典型图片。利用临床采集的大量尿沉渣图像样本,对图像中的有形成分进行手动标记,经过处理,建立了尿沉渣图像库。第三章介绍了分水岭惴ǖ幕驹砗褪迪止獭1疚脑谇叭搜芯的基础上对分水岭算法的处理过程做了改进,即在分水岭算法之前,引入了形态学变换和标记提取的方法作为分水岭算法的输入图像,在分水岭算法分割之后,对过分割区域进行台并,以去除或减小过分割区域。这种改进的方法使过分割现象得到了很好的抑制。最后,在采用距离变换的基础上应用分水岭算法分割尿沉渣图像的重叠成分。成功地解决了有形成分的重蚤现象。但对复杂的图像来说,过分割现象依然部分存在,为了得到更好的分割结果,引出了第四章的水平集方法。第四章提出了一种将水平集方法和分水岭算法相融合的尿沉渣图像分割方法。详细介绍了水平集方法幕驹怼⑶哐莼砺邸⑹导扑恪⒄带水平集和快速行进算法等理论。对应用此方法分割尿沉渣图像的过程进行了简要描述:实验结果表明,此方法的结合使用,不仅解决了分水岭变换臼勺过分割问题,而且分割的准确性和区域封闭性等方面都得到了很大的提高。第五章在完成尿沉渣图像分割以后,要迸~步提取图像的特征,以便更好的对尿沉渣有形成分进行分类