数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2013年
5期
614-619
,共6页
彩色图像分割%期望最大化%支持向量机%白细胞
綵色圖像分割%期望最大化%支持嚮量機%白細胞
채색도상분할%기망최대화%지지향량궤%백세포
color image segmentation%expectation maximization%support vector machine (SVM)%white blood cell
白细胞图像分割是白细胞自动识别的关键环节,其分割效果直接影响后续步骤.为提高光照、颜色不稳定情况下的分割精度,提出一种基于期望最大化(Expectation maximization,EM)聚类和支持向量机(Support vector machine,SVM)自动采样-学习的彩色白细胞图像分割方法.首先采用EM算法对CIELUV颜色空间的L分量聚类得到细胞核区域.在细胞浆分割阶段,先利用EM过分割和膨胀的细胞核区域获取正负样本候选区域;接着用基于EM的分层抽样得到正负样本;再提取颜色特征自动对正负样本训练获得SVM模型;最后科用SVM分类模型得到整个细胞区域.与传统的白细胞图像分割算法相比,本文方法更能适应图像光照和颜色的变化;与同类的分割算法相比,本文方法提高了分割精度.相关实验结果表明,本文算法具有良好的精度和鲁棒性.
白細胞圖像分割是白細胞自動識彆的關鍵環節,其分割效果直接影響後續步驟.為提高光照、顏色不穩定情況下的分割精度,提齣一種基于期望最大化(Expectation maximization,EM)聚類和支持嚮量機(Support vector machine,SVM)自動採樣-學習的綵色白細胞圖像分割方法.首先採用EM算法對CIELUV顏色空間的L分量聚類得到細胞覈區域.在細胞漿分割階段,先利用EM過分割和膨脹的細胞覈區域穫取正負樣本候選區域;接著用基于EM的分層抽樣得到正負樣本;再提取顏色特徵自動對正負樣本訓練穫得SVM模型;最後科用SVM分類模型得到整箇細胞區域.與傳統的白細胞圖像分割算法相比,本文方法更能適應圖像光照和顏色的變化;與同類的分割算法相比,本文方法提高瞭分割精度.相關實驗結果錶明,本文算法具有良好的精度和魯棒性.
백세포도상분할시백세포자동식별적관건배절,기분할효과직접영향후속보취.위제고광조、안색불은정정황하적분할정도,제출일충기우기망최대화(Expectation maximization,EM)취류화지지향량궤(Support vector machine,SVM)자동채양-학습적채색백세포도상분할방법.수선채용EM산법대CIELUV안색공간적L분량취류득도세포핵구역.재세포장분할계단,선이용EM과분할화팽창적세포핵구역획취정부양본후선구역;접착용기우EM적분층추양득도정부양본;재제취안색특정자동대정부양본훈련획득SVM모형;최후과용SVM분류모형득도정개세포구역.여전통적백세포도상분할산법상비,본문방법경능괄응도상광조화안색적변화;여동류적분할산법상비,본문방법제고료분할정도.상관실험결과표명,본문산법구유량호적정도화로봉성.
