基于GVF Snake模型的宮頸單細胞圖像分割算法及分類識別的研究.pdf

1、本文以宮頸細胞圖像為例，對細胞圖像的分割、形態(tài)特征和極坐標特征、識別應用的技術進入了深入的研究，主要是包括宮頸細胞圖像的細胞質、細胞核與背景的輪廓精確提取，宮頸細胞圖像多特征融合及細胞分類識別方法。主要研究從以下幾個部分:
　　(1).提出了一種基于自適應閾值和射線梯度的GVF Snake主動輪廓模型，用來定位宮頸單細胞圖像的細胞核與細胞質的邊緣。GVF Snake主動輪廓模型應用比較廣泛的主動輪廓模型的目標邊緣跟蹤算法，但是宮頸

2、細胞圖像，特別是細胞質邊緣相對模糊、細胞核與細胞質的邊緣相互吸附難以分開，還有干擾性的血細胞及炎癥細胞、染色度分布不均勻，都是導致GVF Snake模型細胞邊緣吸附到錯誤的位置。為了解決以上難題，本文研究了以下方法:首先是利用自適應閾值去除細胞背景，然后使用射線梯度方向的信息計算細胞灰度值，最后根據(jù)射線上的灰度值使用GVF Snake模型演化，在演化過程中使用棧的灰度差補償算法，結合正向灰度差抑制能夠很好的克服噪聲、血細胞及炎癥細胞等虛

3、假邊緣的信息影響。本文使用的Herlev數(shù)據(jù)庫驗證了該方法的有效性和可行性。
　　(2).在對宮頸細胞圖像進行精確分割的基礎上，研究了宮頸細胞圖像的形態(tài)特征參數(shù)，主要包括9種幾何特征和4種紋理特征。9種幾何特征分別為:細胞質的周長、細胞核的周長、豎直方向的最長軸、水平方向的最寬軸、細胞核與細胞質的比率、軸中心到周長的最長長度、軸中心到周長的平均長度、重心到周長的最長長度、重心到周長的平均長度;4種紋理特征:共生矩陣的熵、共生矩陣的

4、對比度、對比度和粗糙度。宮頸單細胞圖像是由細胞核、細胞質和背景三個區(qū)域都可以轉化到極坐標系下，提取極坐標下的極經(jīng)灰度值，360條極經(jīng)的灰度值組成一個特征矩陣。本文將極坐標下的特征向量與前面的形態(tài)特征進行融合，來研究宮頸細胞的識別。
　　(3).使用基于AdaBoost與SVM算法結合的向量機，改善了分類器的穩(wěn)定性和差異性。采用的AdaBoost-SVM分類器將提取的宮頸細胞多特征進行融合，再識別分類應用。雙重分類器結合可以彌補單個