医学试纸条图像识别与分类研究

摘要

医学影像技术越来越广泛地应用到医学研究以及临床的实践中，借助医学影像，医护人员可以更方便、更直接的把握人体内部病变，从而提高诊断率。越来越多的学者开始把目光聚焦在医学图像处理的研究上。本文主要针对医学上使用的过敏原检测试纸条图像进行研究，在传统的图像预处理算法的基础上加以改进，得到了一种改进的试纸条图像增强算法，实验结果表明，这种改进算法更适合试纸条图像的增强；并且对试纸条图像的识别与分类进行研究，提出一种试纸条图像水平投影曲线识别方法；最终完成试纸条图像识别系统的搭建，从而解决肉眼判定试纸条图像带来的效率低和只能用于定性判断的问题。
　　本研究主要有如下几个方面的工作：
　　1.试纸条图像的预处理算法
　　通过对图像预处理算法研究，提出适合试纸条图像的几种图像预处理算法，比如，图像校正、图像二值化、图像定位等。使用几何变换的矩形图像校正方法，通过角点坐标对图像进行坐标变换，从而实现对矩形图像进行校正；然后使用图像二值化和投影方法对整幅图像中的试纸条图像定位，进一步从图像中提取出试纸条图像。
　　2.改进的CLAHE图像增强算法
　　对经典的图像增强算法：HE（Histgorma Equailaztoin，直方图均衡化）和CLAHE（Contrast Limited Adaptive histgram equalization，限制对比度自适应直方图均衡化）进行研究。针对CLAHE算法的不足，提出了一种改进的CLAHE图像增强算法，该算法通过引入一个自适应参数T来自动调整图像每个子块的像素点重新分配的范围，从而达到增强图像细节的目的。
　　3.试纸条图像的识别与分类研究
　　概述了Gabor纹理特征、直方图特征以及SVM（Support Vector Machine，支持向量机）分类原理，针对本文使用的医学试纸条图像样本，利用 SVM，分别把Gabor纹理特征、直方图特征和结合Gabor纹理特征和直方图特征作为输入向量进行图像分类并加以比较。针对上述分类方法慢、算法较复杂等不足，且根据医学试纸条图像的自身特性，提出一种图像水平投影曲线的识别方法，把连续曲线极值理论推广到离散形式，给出一种投影曲线波谷查找算法，从而确定试纸条图像中检测线的位置，然后根据图像中这一位置上的像素平均值实现分类，实验结果表明水平投影曲线识别方法也是可行的。
　　4.系统实现
　　在算法研究的基础上，采用MATLAB开发语言和GUI技术，设计与实现了试纸条图像识别系统。该系统主要功能包括：图像校正、图像分割、试纸条图像提取、试纸条图像平滑、试纸条图像增强和试纸条图像识别等。并在系统上进行试纸条图像识别测试，输出分类结果。实验结果显示，本文采用的结合样本图像直方图特征和Gabor纹理特征作为SVM的输入向量和试纸条图像水平投影曲线两种识别方法，对试纸条图像的识别都是有效的。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2数字图像识别研究现状

1.3过敏原检测试纸条介绍

1.4本文的章节安排

第二章 试纸条图像预处理实现

2.1试纸条图像校正

2.2试纸条图像二值化处理

2.3图像分割

2.4图像平滑

2.5本章小结

第三章 试纸条图像增强

3.1算法介绍

3.2全局直方图均衡化

3.3局部直方图均衡化

3.4改进的CLAHE

3.5本章小结

第四章 试纸条图像识别与分类

4.1图像特征的提取方法

4.2图像识别与分类方法

4.3试纸条图像的特征提取与识别

4.4试纸条图像的曲线波形识别

4.5本章小结

第五章 试纸条图像识别系统实现

5.1系统设计

5.2系统实现

5.3系统结果分析

5.4 本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

致谢

附录