基于图像分析的ABO血型识别方法研究

论文摘要

医学领域中的图像处理技术的应用受到了广泛关注,应用图像处理技术对医学图像进行分割、识别、定量分析成为了临床辅助诊断和医学研究的重要工具。图像分割作为图像处理中的一项关键技术,自上世纪70年代起一直受到人们的高度重视,也是医学图像处理中的一个研究热点。本文首先阐述了图像预处理相关技术,其中包括图像常用的几种滤波技术介绍及图像分割技术的分类和评价。针对ABO血型细胞图像的特点,我们采用自适应比较好的中值滤波器,来保护信号和抑制噪声,使得滤波输出后的图像信号能最佳逼近原始图像信号。图像滤波后,需要对图像进行自适应分割,自适应分割图像的目的是对灰度图像进行二值化处理。本文采用的是基于直方图的迭代的阈值分割算法,它可以将血型细胞较好地从背景中分割出来。区域增长算法的作用是用于精确求出图像中单个区域,实质是把具有某种相似性质的象素连通起来,从而在血型细胞图像中构成多个分割区域,通过计算区域边界内像素点的总和来计算血细胞区域面积。最后根据血细胞区域的平均面积来判断血细胞是凝集还是分散状态,最终确定ABO血型情况。快速准确的对ABO血型细胞分类是本文研究的主要目的,实验表明,本文采用的方法运行速度快、分类准确,适合ABO血型识别要求。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 医学图像处理与分析技术
• 1.2 图像识别技术
• 1.3 微细胞图像处理与分析技术
• 1.4 ABO血型系统
• 1.5 论文的主要工作和内容安排
• 2 中值滤波在ABO血型识别中的应用
• 2.1 图像滤波技术
• 2.2 图像噪声
• 2.3 中值滤波原理
• 2.4 中值滤波主要特性
• 2.5 自适应中值滤波算法
• 2.5.1 脉冲噪声的判别
• 2.5.2 滤波窗口的确定
• 2.5.3 脉冲噪声消除
• 2.6 中值滤波算法描述
• 2.7 ABO血型细胞图像中值滤波实验
• 3 基于阈值的ABO血型细胞图像分割方法
• 3.1 图像分割技术
• 3.1.1 图像分割的定义
• 3.1.2 图像分割的分类
• 3.1.3 图像分割的评价
• 3.2 阈值化的标准
• 3.3 阈值化方法的分类
• 3.4 阈值化方法与评价
• 3.4.1 基于聚类的阈值化方法
• 3.4.2 基于直方图的阈值化方法
• 3.4.3 基于熵的阈值化方法
• 3.4.4 基于空间的阈值化方法
• 3.5 基于阈值的ABO血型细胞图像分割方法
• 3.5.1 基于阈值的图像分割算法描述
• 3.5.2 基于阈值的图像分割算法部分代码
• 3.6 基于阈值的ABO血型细胞图像分割实验
• 4 ABO血型细胞图像的区域分割方法
• 4.1 区域增长的原理和步骤
• 4.2 增长准则和过程
• 4.2.1 灰度差准则
• 4.2.2 灰度分布统计准则
• 4.2.3 区域形状准则
• 4.3 ABO血型细胞图像区域分割方法
• 4.3.1 ABO血型细胞图像区域增长算法描述
• 4.3.2 图像区域增长算法部分代码
• 4.4 ABO血型细胞图像区域分割实验
• 5 基于面积的ABO血型识别方法
• 5.1 细胞几何特征描述
• 5.2 基于面积的ABO血型识别方法
• 5.3 基于面积的ABO血型识别方法实验分析
• 6 总结与展望
• 致谢
• 参考文献