醫(yī)學(xué)寄生蟲圖像的圖論分割與識(shí)別研究.pdf

1、近年來，基于圖論的圖像分割技術(shù)，由于在各個(gè)領(lǐng)域的應(yīng)用表現(xiàn)出了較好的分割性能，因而成為當(dāng)前國(guó)際學(xué)術(shù)界研究的熱點(diǎn)。該技術(shù)有以下特點(diǎn)：基于圖像和圖論特性之間存在的對(duì)應(yīng)關(guān)系，將圖像分割和局部信息處理結(jié)合起來，減少了分割中產(chǎn)生離散點(diǎn)所造成的誤差，從而分割效果更加優(yōu)異。本文重點(diǎn)研究了歸一化割與圖切割這兩類基于圖論的圖像分割技術(shù)在醫(yī)學(xué)寄生蟲圖像中的應(yīng)用，針對(duì)不同的應(yīng)用場(chǎng)景，由于結(jié)合了先驗(yàn)知識(shí)，收到了很好的分割效果。并在分割的基礎(chǔ)上，研究并提取血吸蟲卵

2、的特征，使用LS-SVM對(duì)血吸蟲卵進(jìn)行分類識(shí)別。本文的主要工作分為：
　　(1)首先探討了醫(yī)學(xué)圖像處理常用的圖像分割技術(shù)；其次分析了常用的基于圖論的圖像分割技術(shù)種類以及各自的特點(diǎn)；最后分析了國(guó)內(nèi)外寄生蟲、細(xì)胞識(shí)別與分割近況。
　　(2)針對(duì)當(dāng)前疾病防控中心和醫(yī)院檢測(cè)血吸蟲病方法存在的效率低下、準(zhǔn)確率較低的現(xiàn)狀，在歸一化割的基礎(chǔ)上，提出一個(gè)新的算法ANcut。ANcut算法采用基于灰度級(jí)的權(quán)值矩陣來代替通常所用的基于圖像像素的

3、權(quán)值矩陣，避免特征值和特征向量的計(jì)算，提高了運(yùn)行速度。同時(shí)，ANcut算法結(jié)合了血吸蟲卵先驗(yàn)知識(shí)，自動(dòng)計(jì)算最優(yōu)的分割塊數(shù)。與經(jīng)典的閾值分割算法比較，ANcut算法可以準(zhǔn)確的分割出血吸蟲卵的邊緣，有利于血吸蟲卵特征提取與計(jì)算。
　　(3)根據(jù)瘧原蟲圖像的特點(diǎn)，提出一種基于像素間相似性和先驗(yàn)知識(shí)的圖切割算法——GC-SBP算法，該算法不需要用戶交互式的參與分割，與經(jīng)典的圖切割算法相比該算法可以更好將瘧原蟲從瘧原蟲圖像中分割出。GC-S

4、BP算法相比傳統(tǒng)的圖切割算法有三點(diǎn)改進(jìn)：結(jié)合了先驗(yàn)知識(shí)，分割結(jié)果更加精確；使用YCbCr顏色空間來代替?zhèn)鹘y(tǒng)的RGB顏色空間，因?yàn)閅CbCr顏色空間具有更好的聚類性能，并且Y、Cb與Cr三個(gè)顏色分量彼此是獨(dú)立的，可以更好的反映圖像信息，有效的計(jì)算區(qū)域塊之間的相似性；GC-SBP算法在計(jì)算相似性時(shí)，使用區(qū)域相似度來代替像素點(diǎn)之間的相似度，從而減少運(yùn)算量，提高了運(yùn)算速度。
　　(4)在 ANcut算法分割的基礎(chǔ)上，精確的提取血吸蟲卵特征