基于数学形态学的红细胞显微图像分类识别研究

论文摘要

运用数字图像处理技术对红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。当前大多研究是针对白细胞显微图像，而对红细胞显微图像的分类识别研究还不多见。本文围绕红细胞形态变化与疾病诊断这一应用性课题，针对红细胞显微图像的特点，对红细胞分类识别研究中的图像去噪、分割、特征提取及分类识别等方面展开了深入的研究。本文的主要研究方法如下：1．图像的预处理及分割首先，将彩色红细胞图像转化为灰度图像，并进行图像去噪、灰度变换等处理，为图像分割奠定基础；其次，将上述预处理后的图像进行形态学分水岭变换，以便于对粘连及不粘连细胞进行分割处理。本文采用形态学分水岭算法提取出单个红细胞图像，最后得到了较为精确的细胞分割结果。2．红细胞显微图像的特征描述针对红细胞显微图像本身特点，本文采用了Hu矩(七个参数)、圆形度、矩形度、宽长比、分形系数、密集度这12个参数对红细胞显微图像进行了特征描述。3．分类识别根据提取出的红细胞图像特征来训练改进的BP神经网络，最终实现对红细胞类别的精确识别。结论证实，此BP神经网络能够得到较为显著的分类识别效果。

论文目录

• 中文提要
• Abstract
• 第一章 引言
• 1.1 选题的依据和意义
• 1.2 国内外研究现状
• 1.3 论文各部分的主要内容
• 第二章 数学形态学
• 2.1 形态学基本运算
• 2.2 高帽低帽运算
• 2.3 数学形态学基本定义
• 第三章 红细胞图像预处理
• 3.1 细胞图像的获取
• 3.2 细胞图像预处理
• 3.2.1 中值滤波的基本原理
• 3.2.2 视觉与中值滤波的关系
• 3.2.3 调整细胞灰度
• 第四章 细胞分割
• 4.1 图像分割概述
• 4.2 细胞图像分割技术的现状及进展
• 4.3 红细胞种类
• 4.4 细胞分割的实现
• 第五章 红细胞特征向量的计算
• 5.1 Hu的不变矩
• 5.2 红细胞形状特征
• 5.3 分形几何
• 5.3.1 分形几何的理论基础
• 5.3.2 盒维数法的计算方法
• 第六章 基于人工神经网络的红细胞识别
• 6.1 人工神经网络概述
• 6.2 BP网络及其改进算法
• 6.3 红细胞识别的BP网络结构模型
• 6.3.1 BP网络的输入量及输出量的选择
• 6.3.2 BP网络参数的确定
• 6.4 BP网络训练算法的选择
• 6.5 实验结果
• 6.6 总结与展望
• 致谢
• 参考文献
• 硕士期间发表论文