基于聯(lián)合特征PCANet的宮頸細胞圖像分類識別方法研究.pdf

1、宮頸癌日益威脅著廣大女性的健康，因而宮頸癌的早期篩查預防就顯得非常必要，計算機輔助自動化診斷可以有效減少人工對宮頸細胞圖像的判讀的誤差，并降低人工成本，使宮頸癌篩查技術(shù)可以快速推廣，具有很好的社會價值和經(jīng)濟效益。
　　本文對宮頸細胞圖像分類識別方法的關(guān)鍵技術(shù)進行了研究，包括宮頸細胞圖像去噪，增強，特征提取和分類識別。主要研究內(nèi)容為:
　　(1)采用基于塊組的非局部自相似先驗學習圖像去噪（patch group basedno

2、nlocal self-similarity prior learning for image denoising, PGPD）方法用于宮頸細胞圖像去噪處理。仿真實驗表明本文所采用的去噪方法對宮頸細胞圖像去噪的同時能夠較好地保護宮頸細胞圖像的結(jié)構(gòu)信息，且在噪聲增加時峰值信噪比(peaksignal to noise ratio，PSNR)與結(jié)構(gòu)相似性指數(shù)（structural similarity index，SSIM）降低的程度較小，

3、因而具有較好的魯棒性。
　　(2)采用基于自適應S型函數(shù)的B直方圖均衡方法對宮頸細胞圖像進行增強處理，使得圖像特征突出，有利于特征提取。
　　(3)在PCANet的基礎上構(gòu)造聯(lián)合特征PCANet將網(wǎng)絡中間層提取的特征與最后一層輸出的特征聯(lián)合起來作為最終的特征輸出，聯(lián)合特征PCANet可以減少圖像特征在逐層提取過程中的丟失，因而使最后提取的特征能更好地表征圖像之間的差異。得到提取的特征后再利用SVM進行分類識別。仿真實驗表明本