白细胞显微图像分类研究.pdf

1、细胞显微图像智能识别是一个较大的难题。白细胞的分割和识别是其中一项非常重要的内容。它的任务是观察和测定血液中各种白细胞的总数、相对比值、形态等，用于判断有无疾病、疾病种类及严重程度。利用自动化仪器代替人工处理，不仅可以大大提高血检工作效率、降低人工劳动强度，也可以使检验更精确。在前人的研究基础上，根据白细胞显微图像的特点，本文给出了以显微镜、彩色CCD及计算机为主体，利用计算机图像分析技术实现白细胞分类的系统。 完成白细胞的识别

2、分类，需要以下几个步骤：白细胞显微图像的采集，图像的预处理及分割，图像的特征选择及特征提取，细胞分类识别。 首先，根据白细胞的特点，介绍一种显微图像采集装置，对瑞氏染色后的白细胞进行图像采集。其次，对白细胞显微图像进行平滑和锐化等预处理，得到噪声较小的图像。 然后，再利用HSI空间中饱和度通道对细胞核的特异性，分割出白细胞细胞核。确定白细胞细胞核的质心，以质心为中心划定一个圆形区域，提取出包含细胞质在内白细胞区域。

3、 最后，以白细胞细胞核形状特征和细胞质颜色特征形成特征向量，进行分类识别。形状特征采用对平移、旋转和缩放具有不变性的Zernike矩和HU矩，颜色特征采用整个白细胞非细胞核区的细胞质颜色R、G、B通道均值，并以欧氏距离判断当前颜色归属那种标准颜色。在模式识别中，本论文利用BP神经网络对特征向量进行分类。根据已有的样本完成对BP神经网络中权值和阈值的确定。最后用大量样本进行测试，取得比较满意的效果。 本论文在软件设计方面采用面向