论文部分内容阅读
把直径小于一定范围的类圆形物体称之为类圆颗粒,本文研究荧光微球对象就是其中一种微观的表现形式。本文通过分析荧光微球显微图像的特征,利用图像处理技术和模式识别技术相结合的方法统计微球数量这一重要参数,实现对荧光微球特征的提取与统计。该方法可取代人工统计微球,提高检测质量的客观性和精确度。其中,设计荧光微球图像的分割及分类算法是荧光微球计数软件的关键。 本文设计的荧光微球软件计数系统,通过工业CCD相机及高倍显微镜采集荧光微球高清显微图像,并利用图像处理算法对采集到的显微图像进行分析与处理,统计荧光微球的数量。在荧光微球的图像处理中,首先是对荧光微球进行灰度转化及图像增强等预处理操作,然后利用荧光微球图像自身特点对其进行半阈值前景提取操作,削弱背景噪声的影响。在此基础上,对图像进行欧式距离变换得到梯度图像,但此时图像中仍存在大量局部极小值不利于分水岭分割。因此,采用形态学中开闭重建滤波进一步消除梯度图像的一些细节干扰。最后,采用分水岭算法对图像进行分割得到独立的荧光微球对象。采用实际的荧光微球高清显微图像对本文采用的分割算法进行仿真验证,该分割算法能够准确的分离一定程度粘连的荧光微球目标。 在分割的基础之上,本文设计了荧光微球特征提取及其分类算法,采用非均匀量化HSV颜色特征提取方法对分割后独立的荧光微球图像进行特征提取,并提出了一种荧光微球图像分类算法。根据半监督学习及误差重构理论,提出了一种荧光微球半监督最小误差重构分类(SSMREC)算法。该算法有效利用少量有标签样本和大量无标签样本数据信息之间的联系实现半监督学习,通过计算待分类样本与每一类有标签样本之间的最小重构误差鉴别其类别,并在实际荧光微球图像上验证了SSMREC方法的有效性。最后,充分利用MATLAB强大的图像运算功能和C#简洁的人机交互可视化用户界面设计功能,提出采用C#和MATLAB混合编程的方法,实现荧光微球计数软件系统的人机操作界面及荧光微球图像处理算法,提高荧光微球系统操作的友好性。 实验结果表明,本文设计的荧光微球软件计数方法及开发的软件系统,能够准确并客观地统计荧光微球的数量,具有检测精度高、界面操作简单,人机交互性较强等诸多优点。