基于显微高光谱成像的血液细胞识别研究与应用

发布时间：2017-04-30 03:05

  本文关键词：基于显微高光谱成像的血液细胞识别研究与应用，，由笔耕文化传播整理发布。

【摘要】：由于高光谱图像同时具有空间几何与光谱双重信息的特性,已经广泛应用在地质、农业、大气等诸多领域,目前应用范围已经拓展到了生物医学领域,并且取得了一定的成果。伴随着计算机图像处理技术的发展,显微高光谱成像系统的应用也日益成熟,尤其是在细胞识别、分析上,传统的血液诊断仅依靠可见光谱段进行检测,而且单一依靠医务人员的经验,耗时长,缺乏定量、客观的分析,人员疲劳易使漏误检频发,因此需要一个定量的全自动化细胞分析工具,对细胞客观地进行识别、计数,解决传统血液诊断方式的诸多缺陷。本文主要对高光谱成像技术在血液细胞识别领域有关应用做了研究,主要包括高光谱数据的采集、图像预处理、分割和分类算法的交叉使用以及特征向量提取等方面的工作。为了实现空间维和光谱维同时对高光谱数据进行降噪,本文采用了基于多元线性回归小波去噪算法,显著提高图像的信噪比。针对高光谱多个波段具有很强的相关性,使用主成分分析对高光谱数据进行降维,显著减少数据量。针对高光谱血液细胞特有形态、纹理、光谱等信息,本文综合提取了红细胞和白细胞的9种特征向量,并用支持向量机对两类细胞进行训练、分类,进行两类细胞识别、计数。提出了自适应最小距离算法,旨在解决传统最小距离算法分类正确率低的问题。实验结果对比证明采用分区Canny检测算子和SVM分类器可以取得较高的细胞识别正确率,最后构建了一套完整的基于显微高光谱成像的全自动血液细胞定量分析系统,降低传统血液检查漏误检的概率,辅助医务人员快速诊断血液疾病,促进医学诊断自动化和计算机化的发展。
【关键词】：显微高光谱成像 高光谱图像预处理 支持向量机 细胞识别和计数
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要6-7
• ABSTRACT7-11
• 第一章 绪论11-18
• 1.1 高光谱成像技术的发展11-12
• 1.2 高光谱成像技术在生物医学上的应用12-13
• 1.3 高光谱细胞分类和识别的意义13-14
• 1.4 本文研究重点与创新14-15
• 1.5 本文研究内容及结构15-18
• 第二章 高光谱数据采集和预处理18-34
• 2.1 显微高光谱成像系统18-26
• 2.1.1 高光谱成像过程及原理19-20
• 2.1.2 系统参数分析20-22
• 2.1.3 高光谱数据采集过程22-23
• 2.1.4 高光谱数据23-26
• 2.2 高光谱数据预处理26-33
• 2.2.1 中值滤波降噪27-28
• 2.2.2 多元线性小波变换降噪28-32
• 2.2.3 预处理结果分析32-33
• 2.3 本章小结33-34
• 第三章 高光谱图像分割和特征提取算法研究34-53
• 3.1 图像分割的概念34-35
• 3.1.1 图像分割的定义34-35
• 3.1.2 图像分割方法35
• 3.2 边缘检测算子35-42
• 3.2.1 Robert算子36
• 3.2.2 Sobel算子36-37
• 3.2.3 Prewitt算子37
• 3.2.4 LOG算子37-38
• 3.2.5 基于分区的Canny算子38-42
• 3.3 阈值分割42-46
• 3.3.1 阈值分割概念42-43
• 3.3.2 OTSU阈值法分割43-46
• 3.4 高光谱血液细胞特征提取46-51
• 3.4.1 细胞形态特征分析46-51
• 3.5 本章小结51-53
• 第四章 高光谱图像分类及降维53-71
• 4.1 高光谱图像分类方法53-56
• 4.1.1 高光谱分类算法流程54-56
• 4.2 高光谱监督分类技术56-66
• 4.2.1 自适应最小距离分类56-58
• 4.2.2 光谱角匹配(SAM)58-59
• 4.2.3 支持向量机(SVM)59-66
• 4.3 高光谱图像的降维66-69
• 4.3.1 主成分分析66-69
• 4.4 本章小结69-71
• 第五章 高光谱血液细胞识别与计数71-78
• 5.1 高光谱血液细胞识别72-75
• 5.2 高光谱血液细胞分析75-77
• 5.3 本章小结77-78
• 第六章 总结与展望78-80
• 6.1 总结78-79
• 6.2 展望79-80
• 参考文献80-86
• 附录86-89
• A 论文图目录86-88
• B 论文表目录88-89
• 攻读硕士学位期间取得的科研成果89-90
• 攻读硕士学位期间参与的科研项目90-91
• 致谢91

【相似文献】

中国期刊全文数据库 前10条

1 李庆利;薛永祺;王建宇;岳小强;;高光谱成像系统在中医舌诊中的应用研究[J];红外与毫米波学报;2006年06期

2 田有文;程怡;吴琼;牟鑫;;农产品病虫害高光谱成像无损检测的研究进展[J];激光与红外;2013年12期

3 徐爽;易东;;利用高光谱成像技术检测长枣表面虫伤[J];电子制作;2013年21期

4 高国龙;用高光谱成像荧光成像仪观察海底情况[J];红外;2003年05期

5 单佳佳;彭彦昆;王伟;李永玉;吴建虎;张雷蕾;;基于高光谱成像技术的苹果内外品质同时检测[J];农业机械学报;2011年03期

6 高国龙;;美国高光谱成像技术获资金支持[J];红外;2009年11期

7 蔡健荣;韩智义;;碧螺春茶叶的真伪鉴别技术——基于漫反射式高光谱成像技术[J];农机化研究;2013年04期

8 高国龙;;采用静态傅里叶变换光谱仪的星载高光谱成像技术[J];红外;2013年05期

9 孙梅;陈兴海;张恒;陈海霞;;高光谱成像技术的苹果品质无损检测[J];红外与激光工程;2014年04期

10 罗阳;何建国;贺晓光;王松磊;刘贵珊;;农产品无损检测中高光谱成像技术的应用研究[J];农机化研究;2013年06期

中国重要会议论文全文数据库 前7条

1 卢云龙;刘志刚;;高光谱成像技术及其在目标检测中的应用进展[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

2 马本学;应义斌;饶秀勤;;高光谱成像在水果表面缺陷及污染检测中的研究进展[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年

3 何宝琨;;使用曲面棱镜的高光谱成像系统设计[A];中国空间科学学会空间探测专业委员会第二十六届全国空间探测学术研讨会会议论文集[C];2013年

4 孙向军;刘凯龙;赵志勇;李雪涛;;高光谱成像及仿真技术途径探索[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

5 颜昌翔;;星载高光谱成像及数据应用[A];第十届全国光电技术学术交流会论文集[C];2012年

6 肖功海;舒嵘;薛永祺;;显微成像光谱技术及其应用[A];成像光谱技术与应用研讨会论文集[C];2004年

7 赖建军;陈四海;陈坦;易新建;;基于MEMS微镜阵列的高光谱成像技术研究[A];中国宇航学会深空探测技术专业委员会第三届学术会议论文集[C];2006年

中国博士学位论文全文数据库 前9条

1 葛明锋;基于轻小型无人机的高光谱成像系统研究[D];中国科学院研究生院(上海技术物理研究所);2015年

2 何青;多类型高光谱成像集成系统的研制及其应用研究[D];暨南大学;2015年

3 王彩玲;干涉高光谱成像中的信息提取技术[D];中国科学院研究生院(西安光学精密机械研究所);2011年

4 朱逢乐;基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D];浙江大学;2014年

5 马m

本文编号：336103