基于稀疏表示的人體寄生蟲蟲卵識別算法的研究.pdf

1、鉤蟲、蛔蟲、血吸蟲、絳蟲等是人體常見的寄生蟲，及時準確的發(fā)現(xiàn)人體中的寄生蟲種類是防治寄生蟲病的關(guān)鍵，以往人工檢測的方式操作繁瑣，效率低下，很快便轉(zhuǎn)向依靠計算機技術(shù)輔助完成。隨著現(xiàn)代顯微醫(yī)學圖像處理技術(shù)的發(fā)展，基于圖像的寄生蟲蟲卵識別已是一個重要領(lǐng)域，現(xiàn)有識別方法的一般流程是先對圖像進行預處理并分割出目標，接著提取蟲卵的形態(tài)、大小、邊界、熵值等特征，最后結(jié)合一個分類算法完成識別，此類方法往往難以選擇合適的寄生蟲蟲卵特征，特別在遇到諸如蟲卵

2、相似、邊界不明顯、背景復雜等因素干擾時，算法的魯棒性較差?；谙∈璞硎镜姆诸?SparseRepresentation-basedClassification，SRC)算法是稀疏表示理論在模式識別領(lǐng)域的一個重要應(yīng)用，在圖像識別問題中，大量實驗表明它對數(shù)據(jù)污染、遮擋、缺失以及噪聲較以往分類算法具有更強的魯棒性，同時對特征的選擇不敏感?；谶@些優(yōu)勢，并考慮到現(xiàn)有寄生蟲蟲卵識別方法的不足，將該算法與其他技術(shù)相結(jié)合應(yīng)用于寄生蟲蟲卵識別中。

3、>　　 本文圍繞SRC算法在寄生蟲蟲卵識別中的應(yīng)用展開深入研究，主要工作如下:
　　 1.對稀疏表示理論進行了綜述，詳細分析了幾個重要的稀疏表示算法。
　　 2.對數(shù)據(jù)降維技術(shù)中的廣義二維主成分分析方法(Generalized2-DimensionalPrincipleComponentAnalysis，G2DPCA)進行了介紹，重點分析了對稱二維主成分分析(Bilateral-projection-based2DPC

4、A，B2DPCA)。
　　 3.將SRC算法與廣義二維主成分分析方法、分類器Boosting等技術(shù)相結(jié)合應(yīng)用于寄生蟲蟲卵識別中，提出了新的寄生蟲蟲卵識別方法。
　　 4.針對本文的識別對象——寄生蟲蟲卵，設(shè)計了寄生蟲蟲卵初始字典的構(gòu)造方法，并用K-SVD算法及改進的K-SVD算法對原始字典進行學習，以得到識別過程中所需的字典。
　　 5.對11種常見人體寄生蟲蟲卵圖像（分辨率為1600×1200）進行了實驗與分析