显微图像动态范围扩展及其在结核菌智能检测中的应用研究

显微图像动态范围扩展及其在结核菌智能检测中的应用研究

论文摘要

结核病具有很强的传染性,国家十一五计划中对细菌学检查方法提出了标准化、规范化、智能化和自动化要求。结核菌显微图像自动识别的难点在于图像背景复杂,目标对光强敏感,单帧图像难于获取其完整的特征信息。本文主要从结核菌源图像获取方面,提出了基于同一视野多帧不同曝光图像信息融合的方法,增强显微图像信息量,并应用结核菌智能检测系统实现痰涂片中结核菌的自动识别和检测。论文的主要内容包括:显微图像的连续自动获取与动态范围扩展;结核菌目标分割与特征提取;结核菌自动识别与计数。重点研究了显微图像动态范围扩展方法和其中结核菌目标的提取。首先,搭建了以CCD、显微镜以及步进电机及控制器为主要部件的显微成像检测平台。并编制了控制软件,实现结核菌显微图像的自动调焦和连续视野显微图像获取。通过选定痰涂片有效检测区域相对于镜头的所处位置,来确定连续扫描的方式。通过连续扫描获取了不同曝光的结核菌显微图像后,考虑到彩色图像的Gamma校正能够增强图像细节,结合金字塔高动态图像合成算法,提出了一种基于彩色图像非线性Gamma校正的金字塔高动态图像合成算法。在目标分割算法上,创新性地利用一种基于光强控制的结核菌目标提取策略,结合基于单层感知器的彩色图像目标提取方法、基于BP神经网络的彩色图像目标提取方法以及基于中心核欧式距离的彩色图像目标提取方法,提出一种基于目标的图像信息融合技术,实现对痰涂片中结核菌的有效提取。最后在智能识别方面,提出小目标和伪目标的排除算法及用于识别结核菌的特征集,并设计了相应的BP神经网络,实现结核菌的智能识别与计数。实验结果表明,所设计系统的有效性。

论文目录

  • 摘要
  • Abstract
  • 第一章:绪论
  • 1.1 课题的背景与意义
  • 1.2 生物显微图像检测现状
  • 1.3 本文主要研究内容
  • 1.4 本文创新点
  • 1.5 文章内容和结构安排
  • 第二章:痰涂片结核菌自动检测平台搭建
  • 2.1 系统组成要求
  • 2.2 硬件选择
  • 2.2.1 CCD的选取
  • 2.2.2 光源选择
  • 2.2.3 步进电机的选用
  • 2.2.4 镜筒与镜头选择
  • 2.3 硬件平台
  • 第三章:痰涂片连续视野不同曝光显微图像获取方法研究
  • 3.1 痰涂片有效区域获取方法
  • 3.2 自动对焦技术
  • 3.2.1 自动对焦技术简介
  • 3.2.2 自动对焦的爬山算法
  • 3.3 同一视野不同曝光图像的获取
  • 3.4 连续视野显微图像获取
  • 第四章:显微图像高动态图像合成与基于光强的图像信息融合方法
  • 4.1 显微图像的高动态合成
  • 4.1.1 高动态范围图像概述
  • 4.1.2 动态图像的色调映射
  • 4.1.3 传统的多曝光图像融合方法
  • 4.1.4 gamma校正
  • 4.1.5 非线性gamma校正的非线性函数
  • 4.1.6 基于非线性gamma校正的金字塔高动态图像合成算法
  • 4.2 基于光强控制的痰涂片显微图像结核菌目标提取策略
  • 4.2.1 颜色空间
  • 4.2.2 基于单层感知器的彩色图像目标提取方法
  • 4.2.3 基于BP神经网络的彩色图像目标提取方法
  • 4.2.4 基于中心核欧式距离的彩色图像目标提取方法
  • 4.2.5 基于光强控制的痰涂片显微图像结核菌目标提取策略
  • 第五章:结核菌目标的修正
  • 5.1 孤立杂点的去除
  • 5.2 图像标记算法与杂质块去除
  • 5.3 断裂连接算法研究
  • 第六章:结核菌数目统计方法研究
  • 6.1 结核菌目标的特征提取
  • 6.1.1 周长、面积
  • 6.1.2 周长面积比
  • 6.1.3 对角线长度和主轴长度
  • 6.1.4 与拟合直线的偏差
  • 6.2 BP神经网络构架
  • 6.2.1 结核菌特征参数的归一化
  • 6.2.2 权值的初始化
  • 6.2.3 学习速率的选取
  • 6.2.4 BP神经网络隐层节点数目选择
  • 6.2.5 BP神经网络输出分类
  • 6.3 识别与统计结果
  • 第七章:总结和展望
  • 参考文献
  • 攻读硕士期间发表的论文以及科研项目
  • 致谢
  • 附录
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  ;  ;  

    显微图像动态范围扩展及其在结核菌智能检测中的应用研究
    下载Doc文档

    猜你喜欢