圖像識別算法在細(xì)胞篩查及火災(zāi)探測中的研究.pdf

1、圖像識別主要包括圖像預(yù)處理、特征提取、分類識別等內(nèi)容。深入挖掘圖像中的特征信息，提高特征提取的可靠度，是圖像識別的關(guān)鍵環(huán)節(jié)。圖像識別可分為靜態(tài)目標(biāo)識別與運動目標(biāo)識別。靜態(tài)目標(biāo)識別可以通過單幀圖像分析來完成，而動態(tài)目標(biāo)識別通常需要依據(jù)視頻或者圖像序列的時間、空間連續(xù)變化規(guī)律來實現(xiàn)。無論是靜態(tài)目標(biāo)識別還是動態(tài)目標(biāo)識別，都要結(jié)合圖像自身的特點及識別目標(biāo)的相關(guān)知識，才能設(shè)計出具有更高識別率及更好實時性的圖像識別系統(tǒng)。宮頸細(xì)胞及火災(zāi)煙霧識別是當(dāng)今

2、學(xué)術(shù)界關(guān)注的兩類熱點問題。以靜態(tài)的宮頸細(xì)胞及動態(tài)的火災(zāi)煙霧作為研究對象，在深入分析細(xì)胞及火災(zāi)煙霧圖像特征的基礎(chǔ)上，設(shè)計了具有良好性能的宮頸細(xì)胞篩查系統(tǒng)及火災(zāi)煙霧探測系統(tǒng)。主要工作如下：
　　首先，對于較復(fù)雜的靜態(tài)目標(biāo)，圖像分割耗時長、難度大。為了解決這一問題，對H&E染色的宮頸細(xì)胞特性進(jìn)行深入地分析，對比不同區(qū)塊圖像的特征，發(fā)現(xiàn)不同種類的塊圖像的紋理、顏色等特性呈現(xiàn)出較大差異，提出了用分塊處理代替圖像分割的思想，在此基礎(chǔ)上，設(shè)計了

3、一種基于塊圖像特性分析的宮頸細(xì)胞篩查系統(tǒng)。利用背景區(qū)塊與非背景區(qū)塊圖像的特征差異，去除背景區(qū)塊，減少后續(xù)處理量；隨后，將非背景塊分為正常塊、異常塊，對兩種塊圖像的特征進(jìn)行深入分析，并通過特征選擇，提取出11個特征，通過T檢驗（p<0.001）驗證了所選特征具有較大區(qū)分度；根據(jù)所選特征設(shè)計支持向量機(jī)結(jié)構(gòu)及參數(shù)，實現(xiàn)正常、異常塊圖像的分類識別。通過對比實驗證明，本文所設(shè)計的基于塊圖像特征的宮頸細(xì)胞識別系統(tǒng)，相較于基于分割的識別系統(tǒng)，在保證準(zhǔn)

4、確率的基礎(chǔ)上，提高了系統(tǒng)的實時性，為臨床應(yīng)用提供了更多可能性。
　　其次，常規(guī)的圖像識別系統(tǒng)，通常需要人工選擇識別對象的特征，使得系統(tǒng)具有較強(qiáng)的局限性，一般只對某種特定環(huán)境下的特定對象有很好效果。就宮頸細(xì)胞而言，已有的識別系統(tǒng)，通常只對某一種染色下的宮頸細(xì)胞效果較好，而對于不同染色下的宮頸細(xì)胞，需要設(shè)計不同的識別系統(tǒng)。針對這一問題，利用卷積神經(jīng)網(wǎng)絡(luò)的特征學(xué)習(xí)能力及支持向量機(jī)的分類優(yōu)勢，對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，用支持向量機(jī)代替?zhèn)鹘y(tǒng)卷

5、積神經(jīng)網(wǎng)絡(luò)的輸出層，構(gòu)建了一個基于支持向量機(jī)的卷積神經(jīng)網(wǎng)絡(luò)。針對不同染色的宮頸細(xì)胞這一研究對象，設(shè)計網(wǎng)絡(luò)的相關(guān)參數(shù)，實現(xiàn)正常、異常細(xì)胞的分類識別。通過對比實驗證明，本文提出的識別系統(tǒng)比常規(guī)的卷積神經(jīng)網(wǎng)絡(luò)及支持向量機(jī)準(zhǔn)確率更高。
　　最后，僅采用靜態(tài)特征模型不能描述目標(biāo)的動態(tài)特性，且很難解決動態(tài)目標(biāo)場景復(fù)雜、快速移動等問題。因此，對于運動目標(biāo)的識別，需要結(jié)合靜態(tài)、動態(tài)特性，綜合分析。以火災(zāi)煙霧為研究對象，為了實現(xiàn)極早期火災(zāi)探測，利用

6、煙霧特殊的湍流特性，對可疑運動區(qū)域輪廓的光流矢量特性進(jìn)行提取，代替?zhèn)鹘y(tǒng)的對于整個可疑區(qū)域光流矢量的計算。在此基礎(chǔ)上，提出了一套“動-靜-動”的識別方案：先利用改進(jìn)的幀間差分法檢測出運動目標(biāo)，排除靜態(tài)物體的干擾；隨后，通過檢測運動區(qū)域的顏色模型及紋理特征，排除部分運動干擾；采用基于高斯金字塔的Lucas-Kanade光流法，分析運動區(qū)域輪廓的光流矢量，排除非煙干擾，確定煙霧區(qū)域。通過對比實驗證明，本文提出的煙霧識別方案不僅保證了準(zhǔn)確率，也