基于Gabor濾波器和SVM的血細胞圖像分類識別研究.pdf

1、對于血細胞圖像的研究是醫(yī)學圖像處理領域中的一個重要分支,本文圍繞白細胞在臨床常規(guī)染色條件下的顯微圖像的分類識別這一應用性課題,針對白細胞顯微圖像的特點,對白細胞分類識別中的關鍵技術-細胞核的分割、粘連細胞分割以及多分類識別等方面展開了深入研究。所做的工作和取得的成果主要有以下幾點:
　　(1)血細胞圖像分割的主要工作是先分割出白細胞核,再提取白細胞子圖像。根據(jù)血細胞圖像按照灰度等級分為白細胞核、紅細胞及胞漿、背景三個區(qū)域,本文提出

2、一種改進的Otsu雙閾值分割算法,應用于血細胞圖像,分割出白細胞核。然后采用八鄰域區(qū)域增長方法對白細胞核進行標記,根據(jù)白細胞核的位置及其胞漿的大小,對血細胞圖像進行裁剪,最終提取出白細胞子圖像。
　　(2)由于血細胞圖像的復雜性,在提取出的白細胞子圖像中,存在著胞漿和紅細胞的粘連現(xiàn)象,影響了白細胞特征提取和識別。本文分析了胞漿和紅細胞紋理之間的差異,提出一種使用紋理特征分割粘連細胞圖像的方法。該方法首先使用Gabor濾波器對圖像紋

3、理特征進行提取,并對提取的特征圖像進行高斯平滑和降維處理,最后使用k均值聚類算法分類。實驗結果表明,該方法對粘連細胞分割具有良好的效果,同時不依賴于圖像的顏色或者灰度信息,有較好的魯棒性。
　　(3)由于白細胞圖像樣本有限,本文采用一種新的機器學習理論–支持向量機(SVM)對白細胞進行分類識別。通過分析五類白細胞的特征,對分割出來的白細胞提取顏色、紋理和形態(tài)等特征參數(shù),作為支持向量機的輸入空間。在支持向量機的訓練過程中,采用交叉驗