基于机器视觉的寄生虫卵显微图像自动识别研究

• 作 者: 孟鑫
• 机 构: 河南科技大学
• 出 处: 河南科技大学
• 发表日期: 2017年期
• 关键词: 机器视觉 寄生虫卵显微图像 图像分割 特征提取 自动识别

随着计算机技术的发展及交叉学科在各领域的广泛应用,基于机器视觉的显微图像自动识别技术也在医学领域中得到迅猛发展,不仅为临床诊断提供了一个可靠高效的工具,同时也为医学科研和教学带来了方便。寄生虫卵检测是医学中重要检测项目之一,传统寄生虫卵检测大多采用人工镜检方式,不仅效率低,工作强度大,而且受操作人员主观影响较大,无法保存完整的病例资料,不利于临床动态观察。基于机器视觉的自动检测不仅效率高,无污染,而且适应现代医疗信息化发展的需求,因此本文在前人对寄生虫卵、细胞显微图像识别研究的基础上,着重研究了基于机器视觉的寄生虫卵显微图像采集到识别的过程。具体研究内容如下:1.着重介绍了基于机器视觉的寄生虫卵显微图像自动识别系统的硬件结构设计,包括虫卵标本的自动采集装置、显微镜的自动拍摄装置、照明系统、CCD相机、图像采集卡等。2.针对寄生虫卵显微图像高噪声的特点,研究图像预处理及分割方法,并提出了一种改进的二维最大熵阈值遗传算法结合形态学分割图像的优化算法,能准确快速的实现寄生虫卵显微图像的除噪分割。3.详细介绍了寄生虫卵显微图像的几种常见特征类型,并研究提取各类特征的方法,找到一组最佳的特征组合作为寄生虫卵显微图像的输入量来表征各类典型寄生虫卵显微图像的特点。4.研究几种智能识别算法,如BP(Back Propagation)神经网络,SVM(Support Vector Machine),针对提取的寄生虫卵显微图像特征,分别设计了基于BP神经网络的分类器和基于SVM分类器,并且统计了各自识别的精确度,然后将这两种分类器的识别率作对比,从中选出高精度高效率的分类器。通过本文的研究和试验,证明基于机器视觉的寄生虫卵显微图像自动识别技术是可行的、有效的,在医学上具有一定的实用价值。