圖像識別算法在細胞篩查及火災探測中的研究.pdf

1、圖像識別主要包括圖像預處理、特征提取、分類識別等內容。深入挖掘圖像中的特征信息，提高特征提取的可靠度，是圖像識別的關鍵環(huán)節(jié)。圖像識別可分為靜態(tài)目標識別與運動目標識別。靜態(tài)目標識別可以通過單幀圖像分析來完成，而動態(tài)目標識別通常需要依據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)目標識別還是動態(tài)目標識別，都要結合圖像自身的特點及識別目標的相關知識，才能設計出具有更高識別率及更好實時性的圖像識別系統(tǒng)。宮頸細胞及火災煙霧識別是當今

2、學術界關注的兩類熱點問題。以靜態(tài)的宮頸細胞及動態(tài)的火災煙霧作為研究對象，在深入分析細胞及火災煙霧圖像特征的基礎上，設計了具有良好性能的宮頸細胞篩查系統(tǒng)及火災煙霧探測系統(tǒng)。主要工作如下：
　　首先，對于較復雜的靜態(tài)目標，圖像分割耗時長、難度大。為了解決這一問題，對H&E染色的宮頸細胞特性進行深入地分析，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，在此基礎上，設計了

3、一種基于塊圖像特性分析的宮頸細胞篩查系統(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；根據所選特征設計支持向量機結構及參數(shù)，實現(xiàn)正常、異常塊圖像的分類識別。通過對比實驗證明，本文所設計的基于塊圖像特征的宮頸細胞識別系統(tǒng)，相較于基于分割的識別系統(tǒng)，在保證準

4、確率的基礎上，提高了系統(tǒng)的實時性，為臨床應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胞效果較好，而對于不同染色下的宮頸細胞，需要設計不同的識別系統(tǒng)。針對這一問題，利用卷積神經網絡的特征學習能力及支持向量機的分類優(yōu)勢，對卷積神經網絡進行改進，用支持向量機代替?zhèn)鹘y(tǒng)卷

5、積神經網絡的輸出層，構建了一個基于支持向量機的卷積神經網絡。針對不同染色的宮頸細胞這一研究對象，設計網絡的相關參數(shù)，實現(xiàn)正常、異常細胞的分類識別。通過對比實驗證明，本文提出的識別系統(tǒng)比常規(guī)的卷積神經網絡及支持向量機準確率更高。
　　最后，僅采用靜態(tài)特征模型不能描述目標的動態(tài)特性，且很難解決動態(tài)目標場景復雜、快速移動等問題。因此，對于運動目標的識別，需要結合靜態(tài)、動態(tài)特性，綜合分析。以火災煙霧為研究對象，為了實現(xiàn)極早期火災探測，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。在此基礎上，提出了一套“動-靜-動”的識別方案：先利用改進的幀間差分法檢測出運動目標，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確率，也