基于贝叶斯网络的尿沉渣图像的分割与识别

《基于贝叶斯网络的尿沉渣图像的分割与识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10530学号201431111889分类号TP391密级硕士学位论文基于贝叶斯网络的尿沉渣图像的分割与识别学位申请人陆婷指导教师李志清副教授学院名称信息工程学院学科专业计算机技术研究方向智能信息处理技术二○一八年五月SegmentationandRecognitionofUrinarySedimentImageBasedonBayesianNetworkCandidateLuTingSupervisorAssociateProf.ZhiqingLiCollegeCollegeofInformationEngineeringProgramComputerT

2、echniqueSpecializationIntelligentinformationprocessingtechnologyDegreeMasterofEngineeringUniversityXiangtanUniversityDateMay,2018摘要随着经济的发展，人们生活水平不断提升，大家都更加注重自身的身体健康。人体的尿液有形成分能有效地反映身体健康状况，其中尿沉渣成分的类型和数量能有效地反映肾脏的健康情况。本文根据尿沉渣图像的分割和识别要求，运用基于贝叶斯网络的图像处理技术，对其中关键步骤进行了研究，用实验进行了验证，较好的解决了尿沉渣图像的分割

3、与识别的问题。贝叶斯网络不同于其他网络，其知识形式充满了不确定性，在概率表达方面以多样性见长，将前后的知识集合在一起形成新的学习特性。由于这一性质，使得贝叶斯网络更适合解决医学图像问题。本文针对尿沉渣图像分割与识别这一课题，对尿沉渣图像的预处理的方法和分割的算法、尿沉渣有形成分的特征提取和降维、尿沉渣图像的识别算法进行了研究和实验，主要完成以下工作：（1）在图像预处理方面，提出了一套组合的预处理方法。这个方法首先是进行二值化，在选择阈值时，先计算最大灰度值加上最小灰度值再除以2的值，然后再用随机函数对零到这个值间取随机数，并将这个随机数作为二值化的阈值；接着是采用

4、一对像素点的结构进行腐蚀处理；然后利用像素点的大小来删除一些小目标；最后利用2×2的结构对图像进行三次膨胀操作。此方法降低了图像的噪声，提高了分割准确率。（2）针对尿沉渣图像有灰度不均匀、噪声大等各种问题，本文提出将图像分割看成是最大后验概率估计，通过构造能量函数来建立贝叶斯概率模型，求解能量方程的全局最小值得到图像的分割结果；根据选择降维后的17个特征，基于贝叶斯网络尿沉渣图像识别算法，运用提取的特征，构建条件概率表，根据各个属性的样本数据，得到特征的条件概率表，从而构造贝叶斯网络。通过贝叶斯网络实现对尿沉渣图像的识别，实验证明，该算法取得较高的识别准确率，具有

5、较强的鲁棒性同时还具有较快的识别速度，具有较强的工程应用方面的优势。关键词：尿沉渣图像；贝叶斯网络；图像分割；特征选择；图像识别IAbstractWiththedevelopmentoftheeconomy,people'slivingstandardshavebeenimprovingdramatically.Peoplearealsopayingmoreattentiontotheirownhealth.Human’surinecompositioncaneffectivelyreflectthepeople’shealthstatus,amongwhicht

6、hetypeandquantityoftheUrinarysedimentcaneffectivelyreflectthehealthofthekidney.Inthispaper,basedonthesegmentationandidentificationrequirementsofUrinarysedimentimage,imageprocessingtechniquesbasedonBayesiannetworksareused.Thekeystepswerestudiedandverifiedbyexperiments,whichsolvedthepro

7、blemofsegmentationandclassificationofUrinarysedimentimage.Bayesiannetworksdifferfromothernetworksinthattheirknowledgeformsarefullofuncertainty.Probabilityisexpressedintermsofdiversity,andtheknowledgegatheredtogethertoformnewlearningcharacteristics.Duetothisnature,Bayesiannetworksaremo

8、resui