导读:本文包含了尿沉渣图像分割论文开题报告文献综述及选题提纲参考文献，主要关键词:尿沉渣图像,图像分割,识别算法
尿沉渣图像分割论文文献综述
徐晓蓉[1]（2019）在《尿沉渣图像分割及识别算法研究》一文中研究指出尿沉渣检查中,需要利用一些分析仪器识别尿液中的有形成分,检查尿沉渣中的红白细胞、上皮细胞、管型和结晶等,及时发现人体的肾脏疾病、泌尿道疾病。现阶段,我国常用的自动尿沉渣检测仪相比传统人工镜检查效率更高,尤其在尿沉渣的有形成分识别上准确率更高。基于此,针对尿沉渣的自动识别展开探讨,并结合尿沉渣图像的特点,研究图像分割、增强、选择、特征提取以及图像识别算法。(本文来源于《信息与电脑(理论版)》期刊2019年14期）
程星,李章勇,姜小明,夏爽[2]（2018）在《基于改进型K均值算法的尿沉渣图像分割研究》一文中研究指出针对传统K均值算法中随机选取聚类中心因存在不确定性和噪音点导致的分割结果不准确问题,本文提出了一种改进型K均值聚类算法。选择一个距离现有已存在簇中心较远且周围样本分布较为密集的数据样本作为下一个簇的聚类中心,并挑选距离所有数据样本均值最近的点作为第一个聚类的初始中心。该算法解决了传统方法中随机选取簇中心时存在不确定性导致的聚类结果不准确的问题,通过该方法选取下一个簇中心也有效缓解了传统方法容易受到噪音点影响的问题,同时与传统方法相比大大节约了计算时间。实验结果证明,本文所提出的新算法与传统K均值算法相比在尿沉渣图像聚类分割效果上要更加准确和高效。(本文来源于《电子世界》期刊2018年05期）
刘睿[3]（2016）在《尿沉渣图像分割与识别算法研究》一文中研究指出尿沉渣中有形成分如红白细胞等对人体肾脏疾病、泌尿道疾病等具有很重要的诊断和鉴别作用,因此研究如何辨析和检查尿液中的各种有形成分有重要意义。与传统尿沉渣镜检相比,尿沉渣有形成分自动识别分类系统具有效率高,抗干扰强,准确率高等优点。本文针对尿沉渣中有形成分复杂、种类繁多,同时尿沉渣图像散焦严重、对比度较低、光照不均、图像模糊而导致尿沉渣图像有形成分分割识别困难、速度慢等问题,深入研究了尿沉渣图像增强、分割、特征提取以及有形成分识别分类方法,提出了一套有效的尿沉渣有形成分自动识别分类算法。主要研究内容如下:对尿沉渣图像增强,实验分析了传统的图像增强方法,针对图像比度低、光照不均等问题,结合多种增强方法的优点,提出了图像组合增强方法,实验表明从效率和精度上更加有利于后续的图像分割。对尿沉渣图像分割,实验分析了常用的分割算法,针对有形成分分割困难、速度慢等问题,本文采用组合分割算法,提出基于Canny算子与分水岭算法的自适应尿沉渣图像分割算法。算法采用Canny算子结合形态学方法对图像进行粗分割,根据区域面积阈值以及图像复杂度将尿沉渣图像分类处理;以提出的图像组合增强方法对图像进行增强,利用Canny边缘检测计算出掩膜矩阵作为精确标记,结合分水岭分割,最终获得图像的分割结果。实验证明本文提出的算法对尿沉渣图像分割具有优越的性能表现,解决了传统分割算法存在的问题。对有形成分特征提取,分析研究相关文献,本文分析提取了尿沉渣有形成分的形状及纹理等27个特征参数,后续实验结果表明所提取尿沉渣有形成分特征有效准确,为后续的识别工作奠定了基础。对有形成分识别分类,详细研究分析了VPMCD理论,将该方法应用于尿沉渣有形成分识别中,提出了改进方法:基于Bagging算法优化VPMCD模型的B-VPMCD算法,提升了算法的稳定性和识别率。在特征提取基础上,提出了基于PCA和B-VPMCD的尿沉渣有形成分分类识别算法。实验证明了本文提出的方法在尿沉渣有形成分识别中的有效性,满足整个系统的实时性和准确性,优于传统VPMCD方法、BP神经网络及支持向量机。本文提出的尿沉渣有形成分自动识别分类算法有效应用于尿沉渣全自动分析仪,具有较大的工程应用价值。(本文来源于《重庆大学》期刊2016-05-01）
郑建立,陈兆学[4]（2011）在《一种快速尿沉渣图像分割方法》一文中研究指出目的在综合考虑整个尿沉渣系统各环节处理效率的基础上,研究一种快速的尿沉渣图像分割方法。方法首先通过快速高斯滤波滤除图像中噪声的影响,随后通过改进的Sobel边缘增强算法和OSTU二值化方法实现图像的二值化,最后采用基于快速连通区域标记算法实现各候选有形成分的分割。结果该方法通过各种优选算法提高了尿沉渣图像分割的速度和效率。结论快速尿沉渣图像分割方法对于尿沉渣有形成分分析和识别系统的总体设计以及实时、高效系统的开发具有较为重大的应用价值和借鉴意义。(本文来源于《微计算机信息》期刊2011年12期）
张赞超,夏顺仁,段会龙[5]（2008）在《基于细胞神经网络的尿沉渣图像分割》一文中研究指出针对临床尿沉渣显微图像识别问题,提出了一种新的图像预处理方法和基于细胞神经网络(CNN)的分割算法.该方法通过拉伸图像中各个像素的灰度值与局部灰度值之间的差来增强图像中目标的边界,通过对局部灰度均值的非线性变换来消除图像中光照的不均匀,进而设计出合适的CNN模板来分割图像,最终利用形态学操作得到分割结果.通过对100幅临床尿液样本图像的测试,并与传统的阈值分割法相比,该方法获得了更加连续的边界和更加准确的目标分割结果,并已集成到全自动尿液粒子分析系统中,应用于临床,取得了良好的效果.(本文来源于《浙江大学学报(工学版)》期刊2008年12期）
陈志刚,尹福昌,王斌[6]（2008）在《基于小波和水平集方法的尿沉渣图像分割》一文中研究指出针对尿沉渣图像更为精细的分割,提出了首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后根据粗分割得到的子图像利用水平集方法找到子图像中目标图像的边缘完成精细分割,为计算机自动识别尿沉渣中的有效成分提供更加准确的依据。实验结果表明,该方法在尿沉渣图像分割的应用中得到了令人满意的结果。(本文来源于《计算机应用研究》期刊2008年09期）
曹晓光,崔林艳[7]（2008）在《基于阈值和水平集的尿沉渣图像分割组合算法》一文中研究指出针对尿沉渣图像识别过程中传统阈值方法的问题,提出了一种新的组合算法。组合算法的主要思想是:利用阈值分割算法对图像进行预分割,再采用水平集的方法进行精确的分割。初步实验结果表明,组合算法可以解决阈值分割产生的问题,尿沉渣图像中有形成分被完整精确的分割出来,高精度的分割可以提高后续的尿沉渣图像有形成分识别的正确率。(本文来源于《第六届全国信息获取与处理学术会议论文集（1）》期刊2008-08-06）
陈玉,严壮志,王黎明[8]（2007）在《尿沉渣检测中的一种自动图像分割算法》一文中研究指出目的研究一种自动图像分割算法在尿沉渣检测中的应用。方法将水平集结合Mumford-Shah模型的算法应用于尿沉渣检测,改进章毓晋的图像分割评价指标,并结合计算时间对分割算法进行定量实验评价。结果实验结果表明,与区域生长、分水岭、期望值最大法以及窄带水平集等已有方法比较,本文方法对尿沉渣图像的分割没有过分分割现象,在噪声干扰的情况下具有较高的分割精度,而且耗时少,仅需5.42s。结论评价结果表明本文的算法能够自动分割尿沉渣图像中的细胞,并具有分割精度高,速度快,对噪声鲁棒性强的特点。(本文来源于《航天医学与医学工程》期刊2007年04期）
李勇明,曾孝平[9]（2007）在《一种基于组合分割思想的尿沉渣图像分割新方法》一文中研究指出本研究针对复杂散焦的尿沉渣图像的精细分割,提出了首先使用小波变换和形态学处理消除散焦影响并进行图像的粗分割,然后根据粗分割得到的子图像的情况采用边缘检测或者自适应阈值分割的混合分割方法进行细分割,最后再采用剥离算法处理待分割的粘连重迭成分的分割。该方法不受散焦影响,充分利用了图像的多种信息,因此分割结果准确。实验结果表明,该方法对尿沉渣图像的分割有效且令人满意。(本文来源于《中国生物医学工程学报》期刊2007年03期）
董立岩,苑森淼,刘光远,李永丽[10]（2007）在《基于贝叶斯方法的尿沉渣图像分割》一文中研究指出通过对贝叶斯分类器的讨论,提出将贝叶斯方法应用于医学图像分割后的合并策略思想,旨在提高图像分割的准确性,为计算机自动识别医学图像中包含的各种元素提供更加可靠的依据。首先让计算机自动识别出尿沉渣图像中的红细胞、白细胞、管型细胞、上皮细胞和结晶等有形成分,其次将各细胞实体正确地分割出来。由于图像中存在着大量背景噪音,因此在分割之前需要进行去除噪音的预处理。预处理采用数学形态学的方法,依次进行边缘提取、梯度图像二值化、腐蚀、膨胀。最后,在图像分割过程中,使用最大后验概率法进行破损目标体的合并,为进一步的特征提取和分类作了基础。在目标体分类中使用朴素贝叶斯分类器进行分类。将本方法应用于尿沉渣检查自动图像分析系统中,实验结果表明这一方法效果较好。(本文来源于《计算机工程与应用》期刊2007年10期）
尿沉渣图像分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统K均值算法中随机选取聚类中心因存在不确定性和噪音点导致的分割结果不准确问题,本文提出了一种改进型K均值聚类算法。选择一个距离现有已存在簇中心较远且周围样本分布较为密集的数据样本作为下一个簇的聚类中心,并挑选距离所有数据样本均值最近的点作为第一个聚类的初始中心。该算法解决了传统方法中随机选取簇中心时存在不确定性导致的聚类结果不准确的问题,通过该方法选取下一个簇中心也有效缓解了传统方法容易受到噪音点影响的问题,同时与传统方法相比大大节约了计算时间。实验结果证明,本文所提出的新算法与传统K均值算法相比在尿沉渣图像聚类分割效果上要更加准确和高效。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
尿沉渣图像分割论文参考文献
[1].徐晓蓉.尿沉渣图像分割及识别算法研究[J].信息与电脑(理论版).2019
[2].程星,李章勇,姜小明,夏爽.基于改进型K均值算法的尿沉渣图像分割研究[J].电子世界.2018
[3].刘睿.尿沉渣图像分割与识别算法研究[D].重庆大学.2016
[4].郑建立,陈兆学.一种快速尿沉渣图像分割方法[J].微计算机信息.2011
[5].张赞超,夏顺仁,段会龙.基于细胞神经网络的尿沉渣图像分割[J].浙江大学学报(工学版).2008
[6].陈志刚,尹福昌,王斌.基于小波和水平集方法的尿沉渣图像分割[J].计算机应用研究.2008
[7].曹晓光,崔林艳.基于阈值和水平集的尿沉渣图像分割组合算法[C].第六届全国信息获取与处理学术会议论文集（1）.2008
[8].陈玉,严壮志,王黎明.尿沉渣检测中的一种自动图像分割算法[J].航天医学与医学工程.2007
[9].李勇明,曾孝平.一种基于组合分割思想的尿沉渣图像分割新方法[J].中国生物医学工程学报.2007
[10].董立岩,苑森淼,刘光远,李永丽.基于贝叶斯方法的尿沉渣图像分割[J].计算机工程与应用.2007