论文部分内容阅读
人体白细胞的计数和质量是临床诊断的重要依据。目前国内大多数医院的血液白细胞的检验以人工操作为主，由于受到各种人为因素的影响，使得白细胞的检测质量和效率受到一定的影响。 将计算机图像处理和神经网络理论用于白细胞的检测，可以提高白细胞检测质量和效率。本文研究了用于白细胞识别的图像分析系统的结构和性能，提出了以显微镜、微机和彩色CCD摄像机为主体，应用计算机数字图像等技术实现白细胞分类的实用化系统结构。 本文的主要研究工作是白细胞显微图像分析，综合应用微机控制技术、嵌入式系统技术、数字图像处理技术、小波分析、数学形态学和神经网络理论，围绕着白细胞显微图像分析系统的信息化、自动化程度中的几个关键问题做了以下几方面的研究：1．建立以彩色CCD摄像机成像，计算机进行处理的血细胞自动分类系统模型。2．实现血细胞的定位检出和区域分割。3．对血细胞图像进行数学形态学，彩色光密度和纹理特征的提取。4．运用BP神经网络建立白细胞图像识别分类器，进行网络训练。5．嵌入式Linux显微镜数控平台控制系统设计。本文分别从理论和实际应用的角度对其中的技术难点进行深入分析，在几个方面取得了创新。 采用嵌入式Linux作为开发平台，研究基于Linux的微机控制图像分析系统，利用Linux的开放性和灵活性，精简系统内核，提高了系统的可靠性和稳定性。 基于小波包分解的白细胞图像处理，提出了细胞胞核提取的基本思想，进行了深入的理论研究和实际分析，实现对胞核边缘快速而有效的提取。 应用数学形态学流域分割算法对具有连通或相似灰度的目标图像进行检测与标示，解决了一般数字图像处理技术难以分割具有交叠区域的白细胞图像的问题，在细胞浆的边缘分割中具有创新意义。 分析了图像识别系统的处理流程，设计了基于Linux平台的上下位机两级控制系统，实现了Linux下的接口通信和视频采集，并将系统软件嵌入到硬件中，显著提高控制精度和系统的响应速度。 本课题中的生物显微镜数控平台已经在广州光学仪器厂投入生产。理论分析广东工业大学工学硕士学位论文和应用表明，本系统具有实际的应用价值。