醫(yī)學試紙條圖像識別與分類研究.pdf

1、醫(yī)學影像技術越來越廣泛地應用到醫(yī)學研究以及臨床的實踐中，借助醫(yī)學影像，醫(yī)護人員可以更方便、更直接的把握人體內部病變，從而提高診斷率。越來越多的學者開始把目光聚焦在醫(yī)學圖像處理的研究上。本文主要針對醫(yī)學上使用的過敏原檢測試紙條圖像進行研究，在傳統(tǒng)的圖像預處理算法的基礎上加以改進，得到了一種改進的試紙條圖像增強算法，實驗結果表明，這種改進算法更適合試紙條圖像的增強；并且對試紙條圖像的識別與分類進行研究，提出一種試紙條圖像水平投影曲線識別方法

2、；最終完成試紙條圖像識別系統(tǒng)的搭建，從而解決肉眼判定試紙條圖像帶來的效率低和只能用于定性判斷的問題。
　　本研究主要有如下幾個方面的工作：
　　1.試紙條圖像的預處理算法
　　通過對圖像預處理算法研究，提出適合試紙條圖像的幾種圖像預處理算法，比如，圖像校正、圖像二值化、圖像定位等。使用幾何變換的矩形圖像校正方法，通過角點坐標對圖像進行坐標變換，從而實現(xiàn)對矩形圖像進行校正；然后使用圖像二值化和投影方法對整幅圖像中的試紙條

3、圖像定位，進一步從圖像中提取出試紙條圖像。
　　2.改進的CLAHE圖像增強算法
　　對經典的圖像增強算法：HE（Histgorma Equailaztoin，直方圖均衡化）和CLAHE（Contrast Limited Adaptive histgram equalization，限制對比度自適應直方圖均衡化）進行研究。針對CLAHE算法的不足，提出了一種改進的CLAHE圖像增強算法，該算法通過引入一個自適應參數T來自動調

4、整圖像每個子塊的像素點重新分配的范圍，從而達到增強圖像細節(jié)的目的。
　　3.試紙條圖像的識別與分類研究
　　概述了Gabor紋理特征、直方圖特征以及SVM（Support Vector Machine，支持向量機）分類原理，針對本文使用的醫(yī)學試紙條圖像樣本，利用 SVM，分別把Gabor紋理特征、直方圖特征和結合Gabor紋理特征和直方圖特征作為輸入向量進行圖像分類并加以比較。針對上述分類方法慢、算法較復雜等不足，且根據醫(yī)學

5、試紙條圖像的自身特性，提出一種圖像水平投影曲線的識別方法，把連續(xù)曲線極值理論推廣到離散形式，給出一種投影曲線波谷查找算法，從而確定試紙條圖像中檢測線的位置，然后根據圖像中這一位置上的像素平均值實現(xiàn)分類，實驗結果表明水平投影曲線識別方法也是可行的。
　　4.系統(tǒng)實現(xiàn)
　　在算法研究的基礎上，采用MATLAB開發(fā)語言和GUI技術，設計與實現(xiàn)了試紙條圖像識別系統(tǒng)。該系統(tǒng)主要功能包括：圖像校正、圖像分割、試紙條圖像提取、試紙條圖像平