遗传算法和神经网络在白细胞自动识别中的应用

该文讨论并建立了一真彩色白细胞显微图像微机自动识别系统。针对传统组合优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征选择策略。根据细胞特征,笔者对传统的遗传算法做了相应的改进。最后运用选择特征子集来训练BP神经网络作为分类器。结果证明该方法对于分类系统的性能优化有明显效果。     

一种基于椭圆可变形模板技术的宫颈细胞图像分割方法

根据宫颈细胞图像的特点 ,提出了一种采用多尺度椭圆可变形模板的分割方法 ,先在大尺度下实现可变形模板的自动初始化 ,然后利用小尺度对轮廓线进行局部变形 ,从而实现细胞的精确分割。实验结果表明 ,本方法具有良好的分割精度和稳定性 ,可以用于各类细胞图像的自动检测。     

血液细胞图像自动识别系统的研究

讨论建立了一真彩色血液细胞显微图像微机自动识别系统，运用图像处理提取血液细胞形态，光密度，色彩和纹理特征，运用遗传算法进行特征选择，在此基础上，用神经网络建立分类器，对细胞图像进行分类识别。     

重叠颗粒图象的分离

在细胞图象、纳米材料图象等颗粒图象中，经常会有颗粒重叠粘连的现象，这给图象后续的分析处理带来了许多困难，针对这一情况，提出一种有效的分离算法，应用于二值化后的数字图象，先对图象作距离变换，使颗粒群中的每个颗粒在距离图象中都产生一个局部最大值，再利用分水岭算法，从一个初始的高阈值逐渐降低，就能找到边界点，从而将颗粒样分开。