细胞图像特征提取技术与ID3识别算法及研究及实现

细胞图像特征提取技术与ID3识别算法及研究及实现

论文摘要

细胞图像自动检验与识别是生物医学工程领域的热点问题,具有重大的理论和实践意义,可以提高医学检验的效率,将医生从繁杂的重复性劳动中解脱出来,并且摆脱对检验者知识和经验的依赖,提高检验的权威性。论文围绕细胞图像特征提取技术和决策树自动识别ID3算法进行了研究,主要完成了以下工作:(一)在研究传统的图像形状特征提取方法基础上,提出了一种基于图像边界角点检测的多边形近似形状特征提取算法,定义了边界梯度变化直方图的均方梯度、方向梯度中值、阈值面积比、角点数与顶点数比四维特征,很好地描述了管型和结晶细胞边界特点。(二)提出了一种融合纹理谱图像增强技术和统一Hu矩不变性特征提取的新方法。实验表明,该方法提取的纹理特征能够很好地区分红细胞和白细胞。(三)针对样本数据分布先验知识少的特点,提出了一种基于特征直方图均衡的数据规范化方法,可以将样本数据的各种分布规律转换为均匀分布,增强数据的可分性,加快决策树学习速度。(四)采用C-均值聚类算法实现了决策树ID3算法,可以消除ID3算法选择取值较多特征的倾向,提高决策树学习的效率和应用的精度。(五)共提取了25维细胞图像形状和纹理特征组成特征库,实现了细胞图像的自动识别,该系统的精度和速度都能满足实际需求,目前已经用于临床实践。将论文研究成果应用于细胞自动识别系统中去,实验表明,系统识别率得到提高。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 论文研究背景与意义
  • 1.2 国内外相关研究发展与现状
  • 1.3 论文内容与结构安排
  • 第二章 细胞图像特征提取技术
  • 2.1 图像形状和纹理特征提取基本方法
  • 2.1.1 图像几何特征提取
  • 2.1.2 图像边界链码的Fourier系数形状特征提取
  • 2.1.3 图像基本纹理特征提取
  • 2.1.4 Tamura纹理特征
  • 2.1.5 空间共生矩阵特征提取
  • 2.2 基于图像边界角点检测的多边形近似形状特征提取
  • 2.2.1 角点的定义
  • 2.2.2 基于图像边界角点检测的多边形近似
  • 2.2.3 多边形近似效果评价
  • 2.2.4 基于多边形近似的形状特征提取
  • 2.2.5 实验结果与分析
  • 2.3 图像HU矩特征提取
  • 2.3.1 矩
  • 2.3.2 Hu矩及其不变量
  • 2.3.3 统一Hu矩
  • 2.3.4 实验结果与分析
  • 2.4 基于纹理谱图像的纹理特征提取
  • 2.4.1 纹理谱图像
  • 2.4.2 融合纹理谱图像和统一Hu矩的特征提取
  • 2.4.3 算法流程
  • 2.4.4 实验结果与分析
  • 2.5 小结
  • 第三章 决策树技术及ID3 算法
  • 3.1 决策树基本知识
  • 3.1.1 决策树的基本概念
  • 3.1.2 决策树的结构
  • 3.1.3 决策树的工作过程
  • 3.1.4 决策树的优化标准
  • 3.1.5 决策树的优劣
  • 3.1.6 决策树的适用范围
  • 3.2 ID3 算法及其扩展
  • 3.2.1 信息增益
  • 3.2.2 ID3 算法
  • 3.2.3 ID3 算法的优劣
  • 3.2.4 ID3 算法的改进
  • 3.3 决策树算法中的一些普遍问题
  • 3.3.1 数据预处理技术
  • 3.3.2 决策树剪枝问题
  • 3.3.3 决策树性能评价
  • 3.4 小结
  • 第四章 细胞自动识别设计与实现
  • 4.1 体液细胞自动识别各子系统结构设计与实现
  • 4.1.1 特征提取子系统
  • 4.1.2 决策树学习子系统
  • 4.1.3 细胞图像自动识别子系统
  • 4.2 基于特征直方图均衡的样本数据规范化
  • 4.2.1 样本数据线性规范化方法
  • 4.2.2 基于特征直方图均衡的样本数据规范化方法
  • 4.2.3 实验结果与分析
  • 4.3 决策树ID3 算法的实现
  • 4.3.1 信息增益率的计算
  • 4.3.2 决策树生长停止条件的选取
  • 4.3.3 决策树的后处理
  • 4.3.4 决策树性能的分析和评价
  • 4.3.5 算法流程与实现
  • 4.3.6 实验结果与分析
  • 4.4 小结
  • 第五章 结束语
  • 5.1 本文主要的工作及创新
  • 5.2 下一步的研究方向
  • 致谢
  • 参考文献
  • 作者在学期间取得的学术成果
  • 相关论文文献

    • [1].压缩激励机制驱动的尿液细胞图像分类算法[J]. 西安电子科技大学学报 2020(02)
    • [2].显微细胞图像有形成分分割方法研究[J]. 微型机与应用 2015(17)
    • [3].基于优选特征属性偏序结构分析的白细胞图像分类规则发现[J]. 高技术通讯 2015(Z2)
    • [4].基于形状参数的重叠细胞图像判别研究[J]. 电脑知识与技术 2012(25)
    • [5].前沿[J]. 上海交通大学学报(医学版) 2017(02)
    • [6].显微细胞图像有形成分自动识别[J]. 计算机系统应用 2015(05)
    • [7].白细胞图像的柔性组合分割算法[J]. 仪器仪表学报 2008(09)
    • [8].细胞图像的边缘提取与轮廓跟踪[J]. 科协论坛(下半月) 2011(10)
    • [9].基于最大信息熵原理的显微细胞图像多阈值分割算法[J]. 内蒙古科技与经济 2010(18)
    • [10].基于生成对抗网络的宫颈细胞图像数据增强[J]. 科学技术与工程 2020(28)
    • [11].一种改进的重叠细胞图像分割研究[J]. 计算机工程与应用 2009(26)
    • [12].免疫组化彩色细胞图像自动分割的研究[J]. 中国医学物理学杂志 2008(06)
    • [13].基于图像矩的板材细胞图像取样方法研究[J]. 计算机科学 2014(05)
    • [14].基于自适应阈值分割的宫颈细胞图像分类算法[J]. 信号处理 2012(09)
    • [15].一种细胞图像的区域标识算法[J]. 系统仿真学报 2010(08)
    • [16].主动学习的白细胞图像自动分割[J]. 中国图象图形学报 2012(08)
    • [17].基于非参数变换的尿沉渣细胞图像识别方法[J]. 仪器仪表学报 2015(12)
    • [18].细胞图像处理技术及应用[J]. 中国医疗器械杂志 2012(06)
    • [19].基于改进的图论最小生成树及骨架距离直方图分割细胞图像[J]. 光学精密工程 2013(09)
    • [20].基于主凹点检测的血细胞图像去粘连分割算法研究[J]. 微型机与应用 2017(07)
    • [21].基于迭代腐蚀的粘连细胞图像分割研究[J]. 南京理工大学学报 2016(03)
    • [22].尿沉渣细胞图像的预处理和分割研究综述[J]. 吉首大学学报(自然科学版) 2012(04)
    • [23].基于优化水平集的细胞图像阈值分割算法[J]. 湖北民族大学学报(自然科学版) 2020(01)
    • [24].改进Canny算子在细胞图像边缘检测中的应用[J]. 计算机应用与软件 2014(05)
    • [25].白细胞图像的自动分割算法[J]. 仪器仪表学报 2009(09)
    • [26].基于形态学的显微细胞图像处理与应用[J]. 计算机系统应用 2016(03)
    • [27].显微细胞图像分析方法的研究进展[J]. 北京理工大学学报 2014(05)
    • [28].多聚焦宫颈细胞图像融合方法[J]. 测试技术学报 2012(01)
    • [29].宫颈细胞图像的特征选择与分类识别算法研究[J]. 湖南大学学报(自然科学版) 2019(12)
    • [30].MRF细胞图像自动分割方法设计[J]. 液晶与显示 2019(02)

    标签:;  ;  ;  ;  ;  ;  ;  

    细胞图像特征提取技术与ID3识别算法及研究及实现
    下载Doc文档

    猜你喜欢