人体寄生虫病原体自动识别系统研究

摘要

寄生虫病是影响人类健康的重要疾病。诊断该病的最常用和最可靠的方法是检测疑似患者是否携带有寄生虫病原体，然而寄生虫病原体的形态多样性和复杂性及检测人员的主观因素等严重影响了寄生虫病的正确检测。为了改变人工检测方法的低效率，便于医务工作者开展大规模的寄生虫病普查与防治工作，本文对人体寄生虫病原体自动识别进行了研究。　　研究了国内外在病原体(虫卵)图像的自动检测中使用的方法和技术后，本文对彩色虫卵显微图像进行了滤噪、分割和区域填充等预处理操作，并采用面积阈值选取出虫卵区域；特征提取时，除了选取在图像识别技术中较为常用的形态特征和颜色特征外，本文还提取了虫卵图像的纹理特征；在虫卵识别过程中，本文采用树型分层原理结合最小距离分类原理、Bayes判别准则和人工神经网络等识别方法构建了最小距离分类器、Bayes判别分类器、BP神经网络分类器和概率神经网络分类器，并对这四种分类器的分类效果进行了分析比较。

目录

文摘

英文文摘

第1章综述

1.1研究背景

1.2国内外的研究现状

1.3数字图像处理概述

1.4图像识别

1.5本文的工作

第2章图像预处理

2.1图像滤噪

2.2图像分割

2.3区域填充

2.4图像的切割和旋转

2.5预处理算法流程

第3章特征提取与优化

3.1纹理特征的提取

3.2形态特征的提取

3.3颜色特征的提取

3.4特征优化筛选

第4章分类器设计

4.1最小距离分类器

4.2 Bayes判别分类器

4.3BP神经网络分类器

4.4概率神经网络分类器

第5章实验结果分析

5.1虫卵样本采集

5.2图像预处理结果

5.3四种分类器识别结果比较

结束语

参考文献

附录

致谢

原创性声明