题目：人体外周血白细胞图像识别算法研究

人体白细胞（WBC）的计数和形态是临床诊断的重要依据。目前，白细胞自动计数仪主要采用电阻原理及光散射法，在视觉不能抵达的情况下，只能进行常规分类。图像分析方法，因其具有直观性，与人对细胞的判断分析方法非常接近，且能单独鉴别异常细胞，既可科学总结病理学家的诊断经验，又充分发挥了计算机视觉分辨率高和提取细胞特征灵活多样的特点，大大提高了诊断效率。因此，运用图像处理技术和模式识别的方法进行白细胞分类计数正成为医学辅助诊断的一种重要方法。本文主要针对人体外周血涂片白细胞自动分类方法进行研究，对真彩色白细胞图像从理论的角度，阐述了包括白细胞图像分割、特征提取与特征选择、分类识别等基本算法，本文主要研究工作如下： （1） 白细胞分割包括胞核分割与胞浆分割两个步骤。在胞核分割中，在分析了白细胞图像的颜色特征基础上，提出了在HSI色彩空间中利用饱和度分割得到细胞核的方法，并利用数学形态学的方法得到准确的细胞核形状，为白细胞的检出奠定了基础。（2）为了获得对WBC胞浆的精确分割，提出了一种改进的活动轮廓模型方法，将动态射线算法和模拟退火算法引入到活动轮廓模型之中，使得轮廓收敛于真实的细胞边界，达到精确分割胞浆的目的。（3） 在单个白细胞图像分割的基础上，首先提取了对细胞的形状、大小、细胞核瓣数等进行定量描述的形态学特征；接着提取了基于区域颜色统计信息的白细胞色度特征；最后提取了基于灰度共生矩阵的纹理特征。利用遗传算法对所提取的特征进行优选，进一步组成了对分类有效的特征子集空间。（4） 用BP神经网络构建分类器，用训练样本集训练分类器。完成分类器训练后，使用测试样本集测试分类器的分类表现；实验表明：在540组样本的情况下，分类平均准确率在85%以上。