1、隨著計算機(jī)技術(shù)的發(fā)展,醫(yī)學(xué)顯微圖像處理與識別成為了推動生物醫(yī)學(xué)工程發(fā)展的主要動力之一,不僅為臨床診斷提供了一個可靠高效的工具,同時也為醫(yī)學(xué)科研和教學(xué)帶來了方便。由于血吸蟲卵顯微圖像具有多雜質(zhì)、背景復(fù)雜等特點,使得對其進(jìn)行處理與識別的難度很大,本文在前人對寄生蟲、細(xì)胞顯微圖像識別研究的基礎(chǔ)上,運用圖像處理與模式識別技術(shù)對蟲卵圖像分割、特征提取與選擇、分類識別方法進(jìn)行了深入分析和討論。
　　本文對血吸蟲卵顯微圖像的識別首先從圖像分割算

2、法研究開始,討論了蟲卵圖像的閾值分割方法以及蟲卵的邊緣分割方法。在閾值分割得到的二值圖像中,提出了一種像素染色法對像素聚類進(jìn)行標(biāo)記。由于傳統(tǒng)的邊緣檢測因子抗噪能力差,無法直接應(yīng)用在顯微圖像上,本文采用了基于水平集方法的C-V模型對蟲卵的邊緣進(jìn)行分割。
　　其次,在圖像分割的基礎(chǔ)上,提取出能對血吸蟲卵進(jìn)行識別的特征參數(shù)。除了七個幾何特征外,為了對蟲卵的邊緣信息進(jìn)行定量分析,本文采用了基于多尺度曲率方法對蟲卵邊緣曲率進(jìn)行計算,并統(tǒng)計出

3、三個曲率特征。
　　接著,本文分析了特征選擇方法的一般步驟,在提取出來的十種原始特征集上使用SFS算法對特征進(jìn)行選擇,最終選擇出九種特征作為分類依據(jù)。
　　然后,本文采用支持向量機(jī)作為分類器,并分析了高斯核函數(shù)參數(shù)與懲罰因子參數(shù)對分類器性能的影響,通過實驗對參數(shù)進(jìn)行選擇。
　　最后,本文利用OpenCV設(shè)計并實現(xiàn)了基于windows平臺的血吸蟲卵識別系統(tǒng)。通過大量的測試,運行效果與識別效果表明系統(tǒng)具有較好的穩(wěn)定性與可靠