白细胞的自动识别和分类

白细胞的分类目前已成为医院的常规检查项目之一,检查结果对于临床诊断有着十分重要的意义.然而,显微镜下的这项工作是十分耗时的,且不同的检验人员有着不同的分类误差.为此,本文初步探讨了用图象处理和模式识别的方法对白细胞进行自动识别和分类,希望能以计算机来帮助人的眼脑系统,从而减轻检验人员的工作强度,提高分类的效率和一致性. 本文运用了图象处理手段,用求熵阈值法对细胞图象进行分割,提取细胞及细胞核;用全向跟踪法提取细胞轮廓和核轮廓,同时,提出了一种快速的区域生长算法对轮廓内区域作填充.本文对每幅细胞图象提取了一个五维的特征向量,采用多两类分类和留一法,对有限的样本作训练,以设计Bayes分类器,对白细胞逐层分类,并对分类效果作出检验. 本文通过以上方法的应用,白细胞的分类取得了比较好的结果.     

利用弹簧模型提取物体轮廓

复杂背景下的物体轮廓提取是一个实际的图象处理系统必须面对的问题,而传统的轮廓提取方法在此情况下往往因为大量的噪声而失效,本文所处理的胃部的SDC图象中物体的边缘就处在与边缘的斜率和灰度梯度极为相近的噪声中,所以较难提取,我们利用UBF图象已提取的轮廓建立弹簧模型,根据两种图象中胃部的形变关系,较好的提取了SDC图象中的胃部轮廓,该方法对其它复杂前景下的图象处理有较好的参考价值。     

图象处理在装药疵病自动检验中应用的研究

应用计算机数字图象处理技术研究从弹药装药的射线透视图象中自动检验装药疵病的方法。提出用装药区定位、减影,滤波去噪、三值化等图象预处理方法增强图象中的疵病信息;运用边界轮廓跟踪方法对疵病进行特征提取;设计了树分类器,对各类疵病进行自动识别和分类。实验结果表明,采用文中的方法可自动准确地从装药射线透视图象中提取各类疵病,得到疵病的大小、位置、数量、类型等定量检验结果。     

一种新型的数字图象局部平滑方法—分类平滑法

噪声平滑是数字图象处理技术不可缺少的环节,寻找高效的噪声平滑方法是图象处理一个活跃的课题。本文从图象的灰度结构模型出发,使用模式识别的最短距离分类,提出一种新型的分类平滑算法。本算法将待处理图象的每个邻域都按灰度特征进行分类,不同类赋于不同的平滑方法,因此本方法无论从去噪能力(包括去除脉冲噪声能力)及保持边缘能力上均优于常用的平滑,法,特别在计算速度上具有明显的优越性。     

基于动态阈值选择和细化算法的角膜细胞轮廓抽取

角膜细胞图象轮廓提取的关键是分隔出细胞与背景,生成二值图象．由于角膜细胞图象的光照不均匀,用单一域值无法兼顾亮区与暗区．提出了一种基于动态域值选择和细化算法的角膜细胞轮廓抽取算法．首先对处理图象进行灰度平均和中值滤波平滑处理,消除细胞内部的不均匀性和保持细胞之间的边界;然后用动态域值选择算法分割细胞和背景;最后使用细化算法抽取细胞的轮廓．此算法应用于角膜细胞图象,处理结果证明了算法的有效性．     

数学形态学的细化算法

对目标图象进行细化处理,提取其骨架,在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上,提出了基于两组结构元素模板的数学形态学细化新算法,这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化,获得了令人满意的结果．     

微处理器控制的图象型微粒检测系统

本系统是显微电视图象处理系统。是在微处理器控制下,用经典平板法,使用图象处理技术,与计数法和二维图象面积的测定,对微粒图象进行实时处理。在医学领域,即在医院临床血常规检验中,能对红细胞、白细胞和血小板进行计数,而且还能对红细胞比积和红细胞平均体积进行测定。也可用于微生物学和其他需要进行微粒计数和平均截面积测定的各有关领域。     

一种基于snake模型的边缘轮廓提取的改进算法

snake模型的引入是近代数字图象处理领域的一次革新,该模型对计算机视觉产生了重大影响并受到了广泛的关注,但由于snake模型本身存在许多不足,尤其是全局最小能量的欠稳定性和收敛速度缓慢等问题,使得snake模型的应用受到一定制约.本文提出了一种基于snake模型的边缘轮廓提取的改进算法,该算法主要采用对目标轮廓的中心坐标进行跟踪,同时保持原封闭图象的相关特性,并利用轮廓中心坐标和目标轮廓的相互关系,更快更准确地实现对目标轮廓的迭代,从而加快用sanke模型实现轮廓提取的速度.     

一种用于提取医学图象边缘的新方法

本文运用图论中启发式搜索法，能够克服人体器官边缘轮廓中某些区域出现灰度模糊，智能地提取精确的边界。本文所述方法能推广到光照不均匀和边缘有重叠物体图象中提取边界     

白细胞图像分割

研究从血液细胞中分离出白细胞,采用数学形态学的方法对图像进行预处理,使用灰度阈值法分割出白细胞核,定位出细胞的具体区域,用面积最大法提取整个白细胞。实验结果表明,本文提出的方法可以正确有效的分离出白细胞。     

染色血液白细胞目标图像快速提取方法的研究

提出了一种变图像分辨率的染色血液白细胞目标图像提取方法.首先对采集到的染色血液细胞图像进行分辨率抽样并将图像从RGB表示变换为HS I表示;然后使用白细胞色饱和度阈值滤波和形态学滤波得到白细胞数目和位置;最后在白细胞位置按原始图像分辨率进行局部图像提取并使用神经网络方法进行图像分割得到目标图像.该方法充分保留了血液细胞图像本身固有的大量有用信息,提高了目标图像分割的完整性并减少了计算量,适用于对时间要求较高的复杂背景下血液图像的自动分析.     

低倍率镜检图像无标记红白细胞识别方法研究

针对低倍率镜检图像无标记红白细胞对比度低、边缘模糊、结构不清晰、内部纹理特征不明显等特点,提出一种改进的低维特征向量识别算法。该算法通过彩色图像空间分离、逻辑或运算和形态学处理完成初步分割,针对粘连细胞,采用基于迭代腐蚀的标记分水岭方法再次分割,通过多种方法互补完成红白细胞的分割。根据红白细胞在形态、快速傅里叶变化(fast Fourier transform,FFT)以及Canny边缘检测图像的差别,提取周长、面积、FFT后的圆形度、连通域数、像素和和闭合比值6个相关特征组成特征向量用于训练支持向量机分类器。实验结果表明,在低倍率镜检图像无标记红白细胞准确分割前提下,基于6个相关特征的低维特征向量识别可以显著提高识别率,而且识别效果相对稳定,不易受红白细胞异型情况影响。     

基于混合隐Markov模型的红细胞计数方法

为解决红细胞的计算机自动识别问题 ,引入了混合隐 Markov模型对彩色细胞纹理进行识别 ,采用螺旋型采样方法 ,应用一维隐 Markov模型解决二维图像处理问题。选择不同的样本 ,以期望最大算法训练多个混合隐 Markov模型 ,利用它对图像进行纹理识别 ,以距离变换和分水岭算法进行分割计数。该方法在分类正确率和算法适用性上取得了比较好的结果 ,提高了制片质量。该方法对中等质量的红细胞照片进行计数能够取得 94 %以上的识别正确率。提出了对混合 Markov模型初值选取问题的一种改进算法 ,以提高计算效率和算法鲁棒性     

IBCIS: intelligent blood cell identification system

The analysis of blood cells in microscope images can provide useful information concerning the health of patients. There are three major blood cell types, namely, erythrocytes （red）, leukocytes （white）, and platelets. Manual classification is time consuming and suscep- tible to error due to the different morphological features of the cells. This paper presents an intelligent system that simulates a human visual inspection and classification of the three blood cell types, The proposed system comprises two phases： The image preprocessing phase where blood cell features are extracted via global pattern averaging, and the neural network arbitration phase where training is the first and then classification is carried out. Experimental results suggest that the proposed method performs well in identifying blood cell types regardless of their irregular shapes, sizes and orientation, thus providing a fast, simple and efficient rotational and scale invariant blood cell identification system which can be used in automating laboratory reporting.     

一种基于图像形态学的血液细胞计数方法

文中分析了在RGB和HIS色彩坐标系统下的血液细胞彩色图像的分割方法及分割效果比较，给出了使用数字图像形态学中的腐蚀与膨胀方法进行图像处理并进行白细胞定位和计数的方法．     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.     

红细胞形态特征的计算机图像处理研究

比较传统人工细胞形态观察和定量的操作方式，介绍了基于计算机图像处理和分析技术的有关红细胞形态特征定量的研究成果．并且展现了一套适用范围广、可作为红细胞图像的形态描述或细胞分类的图形特征参数——圆周率．同时，基于圆周率提供了一些较为适用的细胞形态特征值的算法(比如，多定位的图像获取、红细胞胞体形态的自动识别，以及对其进行的分类算法)．红细胞形态的算法或程序都基于VC ，不过该程序也可运用于其他用途．红细胞的染色采用瑞氏法(亚甲基蓝咿红)．介绍的红细胞形态计算机处理方法可提供有效的半自动红细胞形态特征的统计分析，可描述出群体细胞形态特征的分布曲线或不同细胞形状比率的数据．     

基于文本嵌入特征表示的恶意软件家族分类

自动化、高效率和细粒度是恶意软件检测与分类领域目前面临的主要挑战.随着深度学习在图像处理、语音识别和自然语言处理等领域的成功应用,其在一定程度上缓解了传统分析方法在人力和时间成本上的巨大压力.因此本文提出一种自动、高效且细粒度的恶意软件分析方法-mal2vec,其将每个恶意软件看成是一个具有丰富行为语义信息的文本,文本的内容由恶意软件动态执行时的API序列构成,采用经典的神经概率模型Doc2Vec对文本集进行训练学习.实验结果表明,与Rieck~([1])等人的分类效果相比,本文方法得到的效果有明显提升.特别的,不同于其他深度学习的方法,本文方法能够抽取模型训练的中间结果进行显式表示,这种显式的中间结果表示具有可解释性,可以让我们从细粒度层面分析恶意软件家族的行为模式.     

显微图像自动分析中的细胞定位识别

给出一种利用计算机技术自动识别显微细胞准确位置及检测细胞个数的方法. 对显微细胞图像进行增强处理后, 利用圆弧算法准确定位细胞的位置, 再根据红白细胞的自身特点从图片中有效地分离出红白细胞, 对其进行识别和定量分析. 实验结果表明, 该算法能有效地识别细胞的位置并加以区分, 减少了人为因素的误诊, 并提高了诊断效率和精度.