尿沉渣有形成分自动识别

摘要

尿沉渣中的有形成分形状结构复杂，种类繁多，同时尿沉渣图像还存在着聚焦不清、光照不均、模糊、背景复杂等问题，容易造成尿沉渣图像上的有形成分呈现出不同的形状和纹理，因此很难快速、准确的获取能反映这些不同形状不同纹理性质的特征。同时尿沉渣中还存在着许多非典型的有形成分如各种杂质、细胞碎片等，如果不加以处理，往往会对正常有形成分的识别造成干扰。这些问题都增加了尿沉渣自动识别的难度，影响着识别的准确率。本文从理论和实践两方面研究了尿沉渣有形成分的识别，并利用数字图像处理与模式识别技术，提出了有效的尿沉渣有形成分的识别算法。
　　首先，为了更好的提取特征，本文对尿沉渣有形成分的图像采用 Canny算子提取边缘，再结合形态学操作的方法进行了二值化。并根据尿沉渣图像模糊、光照不均易造成提取边缘不完整的情况，提出了计算图像梯度的标准差，并根据得到的标准差的值来动态的调整 Canny算子的阈值的算法，从而使得对于不同质量的尿沉渣图像，该算法都能得到较为完整的二值图。
　　在特征提取方面，分别提取了尿沉渣有形成分的形状特征和纹理特征。其中，形态特征包括面积、周长、圆度、占空比、最小外接矩形长宽比等特征。特别针对霉菌发芽成团状的特点，提出了先进行霉菌的凹陷检测，以对单个的霉菌个体进行切分，再结合椭圆拟合的方法来描述其形态特征。在纹理特征方面，提出了基于距离变换的Local Jet纹理特征，该特征首先使用3阶微分的Local Jet纹理特征得到图像在不同尺度下的不同强度的纹理描述，然后依据距离的大小分层次的统计这些纹理特征。所提取的特征具有抗旋转、抗平移和适当尺度的缩放的优良特性，并且能避免背景信息的干扰，同时还将纹理信息在图中的位置分布情况统计在内，有效的描述了有形成分的纹理。实验结果表明该特征能够对尿沉渣有形成分进行有效的识别，特别是能很好地识别杂质这种非典型有形成分，从而能排除其对典型有形成分的识别干扰。
　　在分类器上，采用了支持向量机（SVM）作为纹理特征的分类器，并根据不同的尿沉渣有形成分的特点，利用决策树将提取的纹理和形态特征有效结合起来，最后对红细胞、白细胞、上皮、粘液丝、霉菌以及杂质这6类有形成分进行了有效的识别。

目录

封面

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景

1.2 国内外发展现状

1.3 尿沉渣有形成分自动识别流程

1.4 研究的难点问题

1.5 本文所作的工作及内容安排

2 尿沉渣图像二值化

2.1 引言

2.2 Canny边缘提取

2.3 形态学操作

2.4 形态学结合Canny算子进行二值化

2.5 本章总结

3 尿沉渣有形成分的特征提取

3.1 引言

3.2 尿沉渣有形成分的形态特征

3.3 尿沉渣有形成分的纹理特征

3.4 本章总结

4 SVM分类器与实现

4.1 引言

4.2 支持向量机(SVM)

4.3 基于LIBSVM的SVM实现

4.4 本章总结

5 实验结果与分析

5.1 实验数据

5.2 纹理特征对比实验

5.3 纹理结合形态特征识别

5.4本章小结

6 总结与展望

6.1 总结

6.2 存在的问题及一些改进方向

致谢

参考文献