[发明专利]一种结合形态学分割和SVM的尿沉渣中管型识别方法

说明书

该发明公开了一种结合形态学分割和SVM的尿沉渣中管型识别方法本发明属于图像处理和机器学习技术领域，具体涉及一种结合形态学分割和支持向量机(SVM)的尿沉渣中管型识别方法。对于管型图像，本发明首先通过形态学分割获得候选管型图像，再结合SVM进行自动识别，能够快速、有效、准确地识别出管型，避免了人工识别成本高和识别效率低的缺点。采用特征数多、鲁棒性好，在一般的特征提取基础上利用形态特征、统计特征和纹理特征等共计26维特征向量来对尿沉渣中有形成分进行描述，相较于传统方法，描述更加详细和准确，相较于采用特征维数较少的方案，正确率有所提升。

技术领域

本发明属于图像处理和机器学习技术领域，具体涉及一种结合形态学分割和支持向量机(SVM)的尿沉渣中管型识别方法。

背景技术

当肾脏有轻度或暂时性功能改变时，如剧烈运动、高热、全身麻醉及新功能不全等，尿内可见少量透明管型。在肾实质病变，如肾小球肾炎、肾盂肾炎、肾病综合征时，透明管型明显增多等。因此定量的检测尿沉渣中管型的种类和各种类的数量，在医生确诊病情时有着重要的临床指导意义。

在管型的常规检测中，通常需要一名检测人员来进行尿沉渣样本的预处理以及生物显微镜下的观察。该过程不仅耗时较长，而且检测人员的专业知识将极大地影响尿沉渣中管型数量的准确性。

随着计算机数字图像技术的不断发展，使用计算机自动识别代替人工识别可以提高效率和减低成本。

发明内容

本发明针对尿沉渣中管型检测人工成本高和识别效率低的缺点，设计了一种结合形态学分割和SVM的尿沉渣中管型识别方法，从而达到高效、准确和成本低的识别尿沉渣中管型的目的。

本发明技术方案是一种结合形态学分割和SVM的尿沉渣中管型识别方法，该方法包括以下步骤：

步骤1：人工获得管型样本图像；

步骤2：将步骤1的管型样本图像转为灰度图；

步骤3：利用高斯滤波对步骤2的灰度图像进行滤波处理；

步骤4：利用固定二值化方法对步骤3提取的特征图像进行二值化；

步骤5：利用闭运算对步骤4处理后的图像进行闭运算处理；

步骤6：利用腐蚀对步骤5处理后的图像进行腐蚀处理；

步骤7：利用Canny算子对步骤6处理后的图像提取图像边缘特征；

步骤8：对步骤7的图像进行连通域标记；

步骤9：在步骤8标记后的图像中寻找符合管型要求的连通域，记录其最小外接矩形位置信息；

步骤10：根据步骤9的位置信息，剪裁管型样本图像相应位置图像，获得候选管型图像；

步骤11：对步骤10获得的候选管型图像进行分类，赋予样本真实标签，完成数据集的制作；

步骤12：将步骤11制作好的数据集按4:1的比例随机分为训练集和测试集；

步骤13：设置支持向量机(SVM)的相关参数；

步骤14：将步骤12制作好的训练集送入步骤13设置好的SVM中进行训练，训练完成后保存模型参数；

步骤15：将测试集送入步骤14训练好的SVM模型中，测试结果合格后，之后的待测尿沉渣中管型都送入此模型，得到管型识别结果。

进一步的，所述步骤2样本图像转换为灰度图的计算公式如下所示：

f(i,j)＝R(i,j)×0.3+G(i,j)×0.59+B(i,j)×0.11