论文部分内容阅读
白细胞是人体免疫系统的重要组成部分,当人体出现疾病时,血液中的各类白细胞的数目会发生变化。通过分析血液中各种白细胞的数目及所占比例,可以帮助医生对疾病进行诊断,因而对血细胞图像中的白细胞进行分类计数具有重要的意义。血细胞图像白细胞的检测与识别分为白细胞的定位分割、特征提取与选择和白细胞分类计数三个步骤。在白细胞的定位分割部分,首先采用基于RGB空间分量的方法进行白细胞的定位,并取得了较高的定位准确率。然后利用RGB空间分量组合与Otsu方法分割出白细胞核。本文使用活动基模型进行白细胞浆的分割,针对原始活动基模型在白细胞检测中的偏移问题,提出局部边缘模型的改进训练方案。针对使用活动基模型凸包分割白细胞时出现的过分割问题,提出使用离群点检测去除散列在白细胞外轮廓之外的离群点,并得到了较好的分割效果。在特征提取与选择方面,本文首先从形态、色度和纹理三个方面对白细胞核、白细胞浆进行特征提取。根据白细胞核凸包区域的特点,本文增加对白细胞核凸包区域的形态、色度和纹理特征提取,加入周长差异率、边缘梯度积分等特征,最终一共提取100个特征。然后采用基于Fisher准则的方法对特征分类能力进行排序筛选,最终选择出70个特征,减少特征个数。最后使用Z-Score方法对选择的特征进行标准化。在分类计数方面,本文采用支持向量机、随机森林和K近邻三种分类器进行白细胞的五分类,实验结果表明三种分类器在淋巴细胞和嗜中性粒细胞的分类上都具有较高的准确率,其中支持向量机在白细胞五分类上具有最好的分类效果,最后给出了白细胞的五分类计数结果。在上述研究的基础上,本文设计了一个血细胞图像白细胞自动分类计数的解决方案,方案由基于RGB空间分量的白细胞定位、基于RGB空间分量组合的白细胞核分割、基于活动基模型的白细胞浆分割、特征提取、Z-Score特征参数标准化、基于Fisher准则的特征选择和支持向量机分类计数等部分组成,实现血细胞图像的输入到白细胞分类计数结果的输出。