白细胞显微图像的分类识别研究

运用模式识别技术对白细胞显微图像进行分类识别是医学图像领域的一个重要研究课题。本文围绕白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,针对白细胞显微图像的特点,对白细胞分类识别中的关键技术-图像预处理及分割、特征描述及优化选择、多分类识别等方面展开了深入研究。本文的主要研究方法如下: 1.图像的预处理及分割 首先,将彩色白细胞图像从RGB空间转换到HSI空间,并提取其H分量图像进行灰度拉伸处理,为图像分割奠定基础;其次,将上述步骤得到的图像使用分水岭操作进行细胞核、胞浆区域及粘连细胞的分割处理,本文提出了利用柔性形态学算子的分水岭操作来进行分割处理,最后得到了较为精确的区域轮廓边界。 2.特征描述及优化选择 针对白细胞图像本身特点,本文提出了基于多重分形特征的描述方法,为白细胞特征描述提供了重要的参数,同时选取了形态、色彩和光密度、灰度共生矩阵特征参数,有效描述了白细胞特征;针对特征提取及优化选择这一问题,本文提出了基于模拟退火技术的遗传算法特征选择算法,将常规的模拟退火算法改良后,作为遗传算法的一个独立的算子,置于遗传算法进化过程中,对特征向量进行优化选择。 3.分类识别 考虑到提取的样本数目有限,本文提出了基于HMM系统的分类器对提取出的特征向量进行分类识别,并与几种常见的分类器作了性能比较,结论证实HMM分类器同样能够得到较为显著的分类识别效果。