基于MAT理论和新型模糊神经网络技术的医学细胞识别研究

摘要

计算机图像处理在医学领域的应用越来越多，应用较多的是医学细胞图像的自动判读。而作为图像处理中最基本和最重要的技术，图像分割一直是计算机视觉领域中的一个较为困难的研究课题。尽管中外学者已经提出了许多的图像分割方法，但对于分割像白细胞显微图像这样的复杂图像还显得很不够。自MAT理论提出以来，其应用已涉及模式识别、专家系统、系统建模、图像处理等众多领域，如何将MAT理论与神经网络技术有效结合起来，是一个值得研究的方向。细胞神经网络在优化计算和图像处理等领域的应用越来越多，在深入阅读和分析国内外文献的基础上，本文首次将J.F.Baldwin教授提出的MAT理论和模糊细胞神经网络（FCNN）结合起来进行了一系列的理论和实验研究，并将它们用于白细胞图像的处理、识别和计数，提出了基于层次MAT模糊系统和模糊细胞神经网络(FCNN)的白细胞检出新方法。实验结果表明，该方法能有效地克服已有方法无法克服的因染色和光照引起的非标准性，具有分割效果优，操作简便，易于硬件实现等诸多优点，为后续特征参数的提取打下了坚实的基础，显著地提高了整个系统的实用性能。

目录

文摘

英文文摘

第1章 绪论

第2章 MAT理论及层次MAT模糊系统之逼近理论

第3章 基于层次MAT模糊系统和FCNN的白细胞识别

第4章 特征抽取与分类

第5章 白细胞自动识别计数系统

第6章 新模糊形态学联想记忆网络的初步研究

第7章 结束语

致谢

附录

参考文献