论文题目：血液细胞的分类计数研究
摘要：血液细胞分析仪是临床医学检验不可缺少的工具,而对于红细胞和白细胞的分类计数性能是血液分析仪的一个关键技术指标。当人体发生某些疾病时,血液细胞中不同类别的细胞的数量和细胞的形态会发生变化,血液细胞分析仪可以发现并量化这种数量和形态的变化。临床医生可以以此变化来判断人体有无疾病以及所患疾病的严重程度,因此对于血液细胞中的红细胞和白细胞的分类计数研究有着重要的意义。但鉴于血液分析仪的复杂性和设备应用条件的苛刻性,其昂贵的价格往往限制了血液分析仪的应用范围,因此可靠的低成本简易血液分析仪是当前研究的热点同时也具有极大的商业价值。本论文以显微成像型的血液分析仪为主要研究对象,分别从血液细胞图像的获取方式、细胞图像的分割算法、细胞图像的特征分析和细胞分类器的选择这四个方面来介绍了相关系统流程和算法,并分析比较了它们的性能。最后实现了一种基于接触式成像系统的血液细胞分类计数系统,在达到临床诊断要求的精度的情况下可以极大的降低设备的成本。本论文的主要工作和研究成果如下:（1）研究了血液细胞图像的相关分割算法的原理算法其中包括阈值分割、区域分割、边缘检测算子和几种基于特定理论的分割算法等,并通过仿真实现,最后分析比较了它们对采集到的血液中红细胞和白细胞图像的分割效果。（2）研究了血液细胞图像的相关特征,比较了红细胞和白细胞图像的统计特征、形状特征、纹理特征和它们间的图像相似性度量的特征差异。介绍了了几种典型的分类器的的各自性能与优缺点,为下一步新的分类系统的实现提供了有力的理论和实践依据。（3）设计了一种基于接触式成像系统的血液细胞分类计数系统。从血液细胞图像的获取、对图像的预处理,到最后的分类计数系统算法的具体实现进行了详细的设计。最后通过C++实现一个模拟器预处理、阈值分割和细胞分类计数等几个按钮来实现对中间处理结果和最后的分类结果的观察。从应用效果来看,本文的研究成果对于简单便携式低成本的血液细胞分析仪的设计具有极大的参考价值。同时本论文的研究方法和应用框架可以应用在更广泛的场合,例如实现其他细胞类型识别计数和对经过处理后的特定元素离子的检测等。
关键词：接触式成像;图像分割;细胞粘连;相似性度量;血液细胞分析仪
学科专业：信号与信息处理
摘要
ABSTRACT
第一章 前言
1.1 研究背景和意义
1.2 国内外研究现状
1.3 课题的主要研究内容
1.4 论文的组织
第二章 血液细胞图像的获取与预处理
2.1 血液分析仪的介绍
2.2 图像获取
2.3 图像的预处理
2.4 小结
第三章 血液细胞图像分割算法的研究分析
3.1 基于阈值的分割算法
3.1.1 图像阈值的定义
3.1.2 阈值分割算法
3.1.2.1 由直方图灰度分布选择阈值
3.1.2.2 局部阈值或动态阈值
3.1.2.3 迭代法选
3.1.2.4 大津法选择阈值
3.1.2.5 最大熵法选择阈值
3.1.3 阈值分割算法的性能分析
3.2 基于边缘检测的分割算法
3.2.1 图像边缘
3.2.2 常见的边缘检测算法
3.2.2.1 Roberts算子
3.2.2.2 Sobel算子
3.2.2.3 Prewitt算子
3.2.3 相关算子在细胞图像分割中性能比较
3.3 基于区域的分割算法
3.3.1 区域生长算法
3.3.2 区域分裂合并法
3.3.3 两种区域算法的性能比较
3.4 特定理论的分割算法
3.4.1 基于数学形态学分割算法
3.4.2 基于小波分析和变换的方法
3.4.3 分水岭(Watershed)法
3.5 小结
第四章 血液细胞图像的特征提取与分类算法的选择
4.1 血液细胞图像个体特征分析
4.1.1 统计特征
4.1.1.1 幅度特征
4.1.1.2 直方图特征
4.1.2 颜色特征
4.1.2.1 颜色直方图
4.1.2.2 颜色矩
4.1.2.3 颜色集
4.1.3 纹理特征
4.1.4 形状特征
4.1.4.1 周长
4.1.4.2 弧弦比
4.1.4.3 面积
4.1.4.4 区域矩方法
4.2 血液细胞图像间特征特征分析
4.3 分类器的选择
4.3.1 SVM支持向量机
4.3.1.1 支持向量机的定义
4.3.1.2 血液细胞图像的支持向量机算法
4.3.1.3 识别性能分析
4.3.2 神经网络分类器
4.3.2.1 神经网络分类器的定义
4.3.2.2 血液细胞图像的神经网络分类器原理
4.3.2.3 识别分类性能
4.3.3 模糊模式识别
4.3.3.1 模糊模式识别的定义
4.3.3.2 血液细胞图像的模糊模式识别分类器原理
4.3.3.3 识别分类性能
4.4 血液细胞特征选择与分类器选择
4.5 小结
第五章 基于接触式成像的血液细胞分类计数的实现
5.1 接触式图像的获取
5.2 预处理与分割算法
5.2.1 预处理过程
5.2.1.1 非均匀照明的处理
5.2.1.2 中值滤波的处理
5.2.2 自适应阈值分割算法
5.2.3 轮廓提取与单一细胞分离
5.3 分类与细胞计数的实现
5.3.1 ELM算法原理
5.3.2 血液细胞图像内插处理
5.3.3 血液细胞图像的SSIM特征
5.3.4 血液细胞的分类与计数
5.4 对分类计数算法的性能分析
5.5 小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
推荐阅读：
