醫(yī)學寄生蟲圖像的圖論分割與識別研究.pdf

1、近年來，基于圖論的圖像分割技術，由于在各個領域的應用表現(xiàn)出了較好的分割性能，因而成為當前國際學術界研究的熱點。該技術有以下特點：基于圖像和圖論特性之間存在的對應關系，將圖像分割和局部信息處理結合起來，減少了分割中產(chǎn)生離散點所造成的誤差，從而分割效果更加優(yōu)異。本文重點研究了歸一化割與圖切割這兩類基于圖論的圖像分割技術在醫(yī)學寄生蟲圖像中的應用，針對不同的應用場景，由于結合了先驗知識，收到了很好的分割效果。并在分割的基礎上，研究并提取血吸蟲卵

2、的特征，使用LS-SVM對血吸蟲卵進行分類識別。本文的主要工作分為：
　　(1)首先探討了醫(yī)學圖像處理常用的圖像分割技術；其次分析了常用的基于圖論的圖像分割技術種類以及各自的特點；最后分析了國內(nèi)外寄生蟲、細胞識別與分割近況。
　　(2)針對當前疾病防控中心和醫(yī)院檢測血吸蟲病方法存在的效率低下、準確率較低的現(xiàn)狀，在歸一化割的基礎上，提出一個新的算法ANcut。ANcut算法采用基于灰度級的權值矩陣來代替通常所用的基于圖像像素的

3、權值矩陣，避免特征值和特征向量的計算，提高了運行速度。同時，ANcut算法結合了血吸蟲卵先驗知識，自動計算最優(yōu)的分割塊數(shù)。與經(jīng)典的閾值分割算法比較，ANcut算法可以準確的分割出血吸蟲卵的邊緣，有利于血吸蟲卵特征提取與計算。
　　(3)根據(jù)瘧原蟲圖像的特點，提出一種基于像素間相似性和先驗知識的圖切割算法——GC-SBP算法，該算法不需要用戶交互式的參與分割，與經(jīng)典的圖切割算法相比該算法可以更好將瘧原蟲從瘧原蟲圖像中分割出。GC-S

4、BP算法相比傳統(tǒng)的圖切割算法有三點改進：結合了先驗知識，分割結果更加精確；使用YCbCr顏色空間來代替?zhèn)鹘y(tǒng)的RGB顏色空間，因為YCbCr顏色空間具有更好的聚類性能，并且Y、Cb與Cr三個顏色分量彼此是獨立的，可以更好的反映圖像信息，有效的計算區(qū)域塊之間的相似性；GC-SBP算法在計算相似性時，使用區(qū)域相似度來代替像素點之間的相似度，從而減少運算量，提高了運算速度。
　　(4)在 ANcut算法分割的基礎上，精確的提取血吸蟲卵特征