基于稀疏表示的人體寄生蟲(chóng)蟲(chóng)卵識(shí)別算法的研究.pdf

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

2、相似、邊界不明顯、背景復(fù)雜等因素干擾時(shí)，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(shí)別領(lǐng)域的一個(gè)重要應(yīng)用，在圖像識(shí)別問(wèn)題中，大量實(shí)驗(yàn)表明它對(duì)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(qiáng)的魯棒性，同時(shí)對(duì)特征的選擇不敏感?；谶@些優(yōu)勢(shì)，并考慮到現(xiàn)有寄生蟲(chóng)蟲(chóng)卵識(shí)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(chóng)蟲(chóng)卵識(shí)別中。

3、>　　 本文圍繞SRC算法在寄生蟲(chóng)蟲(chóng)卵識(shí)別中的應(yīng)用展開(kāi)深入研究，主要工作如下:
　　 1.對(duì)稀疏表示理論進(jìn)行了綜述，詳細(xì)分析了幾個(gè)重要的稀疏表示算法。
　　 2.對(duì)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(jìn)行了介紹，重點(diǎn)分析了對(duì)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(chóng)蟲(chóng)卵識(shí)別中，提出了新的寄生蟲(chóng)蟲(chóng)卵識(shí)別方法。
　　 4.針對(duì)本文的識(shí)別對(duì)象——寄生蟲(chóng)蟲(chóng)卵，設(shè)計(jì)了寄生蟲(chóng)蟲(chóng)卵初始字典的構(gòu)造方法，并用K-SVD算法及改進(jìn)的K-SVD算法對(duì)原始字典進(jìn)行學(xué)習(xí)，以得到識(shí)別過(guò)程中所需的字典。
　　 5.對(duì)11種常見(jiàn)人體寄生蟲(chóng)蟲(chóng)卵圖像（分辨率為1600×1200）進(jìn)行了實(shí)驗(yàn)與分析