一種多分類器融合的單個宮頸細(xì)胞圖像分割、特征提取和分類識別方法研究.pdf

1、宮頸癌是女性最常見惡性腫瘤之一，定期進(jìn)行宮頸篩查，可大大降低死亡率，但是定期篩查產(chǎn)生大量細(xì)胞涂片，給閱片醫(yī)師造成了巨大壓力。以宮頸細(xì)胞病理學(xué)診斷技術(shù)為基礎(chǔ)，利用計算機對宮頸細(xì)胞涂片進(jìn)行定量分析和自動判讀，在宮頸癌早期篩查和診斷中具有相當(dāng)大的實用價值。
　　本論文以宮頸細(xì)胞圖像自動化分類識別為研究目標(biāo)，在前人研究的基礎(chǔ)上，運用數(shù)字圖像處理和模式識別技術(shù)，提出了一種基于模糊積分多分類器融合的宮頸細(xì)胞圖像分類識別方法，內(nèi)容主要針對宮頸細(xì)

2、胞的分割、特征提取及分類識別技術(shù)進(jìn)行了研究，包括單個宮頸細(xì)胞圖像細(xì)胞質(zhì)、細(xì)胞核輪廓的精確定位、細(xì)胞圖像的紋理特征提取及利用模糊積分進(jìn)行多分類器融合，捕食模型優(yōu)化模糊測度，提高宮頸細(xì)胞分類準(zhǔn)確度。完成的主要研究工作如下:
　　(1)提出一種基于改進(jìn)的CV模型，用以單細(xì)胞圖像細(xì)胞核、細(xì)胞質(zhì)輪廓的精確分割。首先，本文對結(jié)合梯度信息的活動輪廓模型擬合中心加權(quán)計算引入自適應(yīng)權(quán)重項w，其次，構(gòu)造負(fù)指數(shù)形式的g|（▽I）|作為速度函數(shù)并用|▽φ

3、(x,y)|取代δε（φ（x,y）），獲得更加清晰的圖像邊緣;最后，引入廣義模糊算子，以加強模糊邊界對演化曲線的吸引，提高了分割速度和分割的準(zhǔn)確性。
　　(2)對單個宮頸細(xì)胞進(jìn)行了定量分析，對分類特征進(jìn)行了歸納總結(jié)，提取了單個宮頸細(xì)胞的形態(tài)、色度、光密度、紋理特征，發(fā)展了一種融合局部二進(jìn)制（LBP）和共生矩陣(GLCM)的方法進(jìn)行紋理特征提取方法，采用遺傳算法進(jìn)行特征降維，實現(xiàn)特征優(yōu)化組合，用于后續(xù)分類識別。
　　(3)分別