尿沉渣有形成分識別算法研究.pdf

1、尿沉渣顯微鏡檢查是臨床檢驗和診斷鑒別的重要方法，采用人工鏡檢的傳統(tǒng)方式存在勞動強度大，容易引入誤差等缺點，而且所看到的圖像無法變換、處理，難以遠距離傳輸，也不能進行快速、準確的定量分析，不能方便的存取，而基于計算機系統(tǒng)的尿沉渣圖像分析和處理，能極大地提高臨床檢驗的效率，降低臨床的勞動強度外，而且還對醫(yī)院的信息化、疾病診斷判別的標準化提供有益的幫助。本文的主要任務就是利用數(shù)字圖像處理技術(shù)對尿沉渣有形成分的自動識別算法進行研究。
　　

2、 本論文主要包括以下幾方面的內(nèi)容：在分割方面，根據(jù)尿沉渣顯微圖像對象多、背景復雜等特點，在對圖像分割方法進行分析、比較的基礎(chǔ)上，選擇了對尿沉渣有形成分的分割較好的、基于Canny算子的尿沉渣圖像分割方法，針對Canny算子檢測尿沉渣圖像的過程中存在雙閾值的選取不能自適應、檢測出的邊緣不閉合等不足，本文對Canny算法進行了改進，先對經(jīng)過非最大值抑制后得到的候選邊緣點用一個小的結(jié)構(gòu)元素進行一次形態(tài)學膨脹，為提取閉合的邊緣打下基礎(chǔ)，然后提

3、出了利用梯度圖像的最高梯度來確定高閾值和利用梯度圖像的局部梯度信息來確定低閾值的方法，該雙閾值的選取方法自適應性強。實驗結(jié)果表明，改進的Canny算子能夠自動地分割尿沉渣圖像，分割精度高，抗噪聲干擾性強。由于分割出來的二值圖像往往會存在有形成分粘連的情況，會影響尿沉渣有形成分的特征提取與識別，本文采用基于鏈碼差的方法來分割粘連細胞，實驗表明該方法取得了很好的效果。在特征提取方面，為了盡可能完整地描述物體，本文在九個形態(tài)學參數(shù)和統(tǒng)計參數(shù)對