[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

摘要

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。

主权项

1.一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。