论文部分内容阅读
尿沉渣检查是临床检验和诊断鉴别的重要方法。目前,临床上对尿液中有形成分的检验主要还是依靠人工镜检的方式。该方式工作强度大,主观程度强,且主要集中于有形成分的定性检查,不利于临床的定量诊断。随着计算机视觉以及模式识别技术的发展,尿沉渣有形成分检测的自动化定量分析已经成为可能。自动分析过程可以划分为三个主要环节:图像获取与分割、特征提取以及训练识别。本论文主要就该流程中的第一个环节也是最重要的一个环节——图像获取与分割展开工作。 图像的获取与预处理。良好的图像质量是准确分割的基础,在该环节我们主要讨论了显微镜成像自动聚焦算法和图像预处理算法。尿沉渣图像属于显微成像的范畴,其景深较浅,由于机械误差,显微镜很容易失焦,对此我们给出了基于图像高频分量的自动聚焦算法,在每一个样本采集之前首先进行自动聚焦,保证了采集图像的清晰。在图像预处理环节,我们给出了减背景等预处理算法,较好的解决了显微图像存在的水波纹、背景干扰复杂、光照不均匀、图像背景以及同一实体内部灰度变化较大等问题。 图像的分割。传统的图像分割方法大多都把注意力集中在待分割对象,根据其边缘的连续性和对象本身某种性质的一致性,产生了两类主要的分割方法:基于边缘的和基于区域的分割方法。本论文使用的方法恰恰相反,我们将注意力集中在待分割图像的背景上,通过建立背景灰度分布的高斯背景模型,给出了一种新的基于高斯背景模型的双阈值分割方法,并将该方法应用于灰度域和梯度域,成功地实现了尿沉渣中红白细胞、上皮细胞、结晶以及管型的分割,总体检出率达到98%。该分割方法较好地解决了待分割图像中背景象素比例较大、直方图呈单峰分布时的单阈值分割方法的缺陷。