寄生虫卵显微图像的识别方法研究

摘要

寄生虫病是影响人类健康的重要疾病之一,而病原体(虫卵)检测是诊断寄生虫病的最常用和最可靠的方法,但是目前这项工作仍然只能靠有经验的专家用肉眼完成,这就严重影响了寄生虫病的诊断和治疗.该文在研究国内外在病原体(虫卵)图像的自动检测中使用的方法和技术的基础上,对虫卵图像进行了压缩、分割和旋转预处理;对经过预处理的虫卵图像在小波分解系数、熵、能量、形态和颜色方面进行特征提取,并对特征进行了降维和优化;设计了最小距离分类器、BP神经网络分类器和概率神经网络分类器,并对实验数据进行了比较分析.该文采用优化后的特征,对血吸虫等九种寄生虫卵图像进行自动识别,在每种虫卵80个训练样本的情况下,取得了平均正确识别率为99.23％的较好结果.

目录

文摘

英文文摘

第1章综述

1.1寄生虫卵图像自动识别

1.2数字图像处理

1.3模式识别

1.4小波分析

1.5神经网络

1.6本文的主要工作

第2章虫卵图像预处理

2.1虫卵图像的压缩

2.2虫卵图像的分割

2.3虫卵图像的旋转

第3章特征提取

3.1小波分解特征的提取

3.2熵和能量特征的提取

第4章分类器设计

4.1最小距离分类器

4.2基于人工神经网络的分类器设计

第5章实验结果分析

5.1虫卵样本数及特征数据结果

5.2隐节点数不同时BP神经网络分类器的识别结果

5.3平滑因子不同时概率神经网络分类器的识别结果

5.4三种分类器的实验结果比较

5.5训练和识别时间的比较

5.6特征的优化及其识别结果

结束语

参考文献

附录

致 谢

原创性声明