基于Hadoop的人體寄生蟲蟲卵識別系統(tǒng)的研究與實現(xiàn).pdf

1、近年來，人體寄生蟲病一直危害著人類健康，而病原體檢測是寄生蟲病診斷最常用和最主要的方法。傳統(tǒng)的寄生蟲的檢測工作主要是由專業(yè)人員進(jìn)行人工操作完成的，不僅步驟繁瑣而且效率不高。隨著醫(yī)學(xué)顯微圖像處理技術(shù)和模式識別技術(shù)的快速發(fā)展，研究人員提出了很多借助于計算機(jī)的寄生蟲蟲卵的自動識別方法，這對于提高醫(yī)務(wù)人員的工作效率和抑制寄生蟲病的研究工作有著重要的意義。
　　雖然目前在寄生蟲病病原體自動識別方面不少學(xué)者已經(jīng)做了不少工作，然而在實際應(yīng)用中的

2、被檢測圖像存在較多雜質(zhì)或背景復(fù)雜，這給圖像分割和特征提取帶來很大的影響，進(jìn)而影響到最終識別結(jié)果的準(zhǔn)確性。為此，本文結(jié)合前人對于寄生蟲蟲卵圖像識別的科研成果，對相關(guān)內(nèi)容進(jìn)行了深入的分析，綜合圖像的灰度和色度分布特征，并結(jié)合MapReduce并行計算模型，提出了一種基于Hadoop的人體寄生蟲蟲卵識別算法，在提高系統(tǒng)識別正確率的同時，也加強(qiáng)了系統(tǒng)的實時性。主要工作如下：
　　(1)實際應(yīng)用中的寄生蟲蟲卵圖像往往具有雜質(zhì)較多、背景較復(fù)雜

3、等特點(diǎn)，為此本文引入邊緣空間分布直方圖匹配機(jī)制進(jìn)行寄生蟲蟲卵的邊緣提取，并在此基礎(chǔ)上進(jìn)一步提取幾何特征、灰度特征以及占空比等，采用支持向量機(jī)作為識別分類器，綜合灰度圖像和色度圖像的相關(guān)特征，給出了一種基于SVM的人體寄生蟲蟲卵識別算法。
　　(2)為了準(zhǔn)確的檢測出寄生蟲圖像中包含的蟲卵信息，系統(tǒng)需要遍歷所有蟲卵邊緣空間分布直方圖類模板，進(jìn)而使得系統(tǒng)性能隨著類模板數(shù)目的增加而不斷下降，為此，本文將基于SVM的寄生蟲蟲卵圖像識別算法與