劉玉成，張穎超

（1.南京財(cái)經(jīng)大學(xué) 國家級(jí)重點(diǎn)實(shí)驗(yàn)中心，江蘇 南京 210003；2.南京信息工程大學(xué) 信息與控制學(xué)院，江蘇 南京 210044）

一種改進(jìn)型RGB向量空間聚合法的尿沉渣圖像分割

劉玉成1，張穎超2

（1.南京財(cái)經(jīng)大學(xué) 國家級(jí)重點(diǎn)實(shí)驗(yàn)中心，江蘇 南京 210003；2.南京信息工程大學(xué) 信息與控制學(xué)院，江蘇 南京 210044）

經(jīng)典的以形態(tài)學(xué)參數(shù)為特征向量的分類算法在處理復(fù)雜環(huán)境下采集的圖像時(shí)顯得力不從心.為此，本研究從色度學(xué)分割的角度出發(fā)，創(chuàng)新性地提出一種改進(jìn)型向量空間聚合法來改進(jìn)有形成分圖像的處理.它可分析不同區(qū)域在R、G、B三色向量空間的顏色值，以獲得各種細(xì)胞和復(fù)雜成分在R、G、B三色向量空間中的分布概況，查找分析它們其中的R、G、B分布差異；并應(yīng)用專業(yè)仿真軟件Matlab7.0對在DJ8300超級(jí)分析儀中采集的各種尿沉渣有形成分的圖像檢測顏色的像素值.在RGB向量空間中，分類和識(shí)別的核心參數(shù)C的Mahalanobis距離或歐幾里得距離在運(yùn)算過程中用三行三列的協(xié)方差矩陣來表示，且采用的類似實(shí)心球體軌跡法和實(shí)心三維橢圓體法的模型.實(shí)驗(yàn)數(shù)據(jù)表明，本研究所提的方法能夠根據(jù)尿沉渣圖像中有形成分的聚堆現(xiàn)象、粘連等類似融合特點(diǎn)，優(yōu)化色度學(xué)分割處理，降低采集過程中受光源等環(huán)境的影響，最終有效地解決尿沉渣有形成分圖像失真的問題，改進(jìn)圖像色差校正的效果.同時(shí)，在色度學(xué)方法分割和分類尿沉渣有形成分的領(lǐng)域取得新突破，這在后期識(shí)別實(shí)驗(yàn)的準(zhǔn)確率數(shù)據(jù)方面也得到充分的證明.

協(xié)方差矩陣；向量空間；馬氏距離；球體軌跡法；三維橢圓體法

0 引言

計(jì)算機(jī)圖像處理技術(shù)不斷進(jìn)步，提高工作效率，改變社會(huì)的許多工作方式和習(xí)慣，其在各個(gè)領(lǐng)域都得到大力推廣和運(yùn)用.在醫(yī)學(xué)的領(lǐng)域也是如此，它在尿沉渣有形成分的檢測和分類中作用非常重要.但是，受限于尿沉渣空間環(huán)境中提取有形成分的復(fù)雜性和特殊性，有形成分圖像的處理分割［1］較為困難，所以尿沉渣中有形成分的檢測分類不甚理想.通過簡單分析不難判斷，其主要原因是此類成分的形態(tài)在采集的時(shí)候由于光照、重疊和干擾等因素，加之本身成分形態(tài)的相似以及成分種類繁多的影響，使得傳統(tǒng)圖像分割和識(shí)別都不盡如人意.

因而，本研究提出一種改進(jìn)型色度學(xué)圖像處理分割和分類的方法.同時(shí)，在提高有效成分識(shí)別的準(zhǔn)確率方面，針對尿沉渣的成分特點(diǎn)和空間環(huán)境特征，改變傳統(tǒng)紋理特性、形態(tài)學(xué)特性等成熟特征參數(shù)的情況下，采集G、B、R顏色特征參數(shù)，從而穩(wěn)步顯示出識(shí)別圖像處理的優(yōu)越性.究其原因，是由于改進(jìn)后色度學(xué)空間特征向量法充分考慮這些復(fù)雜的干擾因素，且采取正確的圖像預(yù)處理方法，其識(shí)別的準(zhǔn)確率得到明顯的提高.然后，通過對色度學(xué)特征向量計(jì)算平臺(tái)關(guān)鍵性能參數(shù)的定義、抽取和傳遞，實(shí)現(xiàn)本算法在DJ8300系統(tǒng)平臺(tái)的性能移植，尿沉渣中其他細(xì)胞成分的識(shí)別基本保持原有的準(zhǔn)確率，或者略有提高，總體上使得尿沉渣識(shí)別的綜合準(zhǔn)確率得到有效提高.

1 尿沉渣圖像的采集與處理

1.1 DJ系統(tǒng)工作平臺(tái)

本研究中有形成分圖像的采集運(yùn)用國內(nèi)外先進(jìn)的DJ8300自動(dòng)細(xì)胞有形成分的采集分析系統(tǒng)儀器.根據(jù)系統(tǒng)平臺(tái)采集模塊的特征提取和目標(biāo)機(jī)器訓(xùn)練等具體特點(diǎn)，構(gòu)建符合尿沉渣有形成分特點(diǎn)的全監(jiān)督訓(xùn)練模式的架構(gòu)模型.有前期工作經(jīng)驗(yàn)了解采集尿沉渣有形成分圖像中會(huì)存在聚堆、粘連等問題，加上采集過程中受光源等環(huán)境的影響，圖像采集時(shí)經(jīng)常會(huì)發(fā)生R、G、B三色向量空間的色彩偏移現(xiàn)象.另外，圖像空間信息背景的提取的復(fù)雜性，也會(huì)使得尿沉渣中有形成分的圖像處理和分割比較困難，從而影響有形成分的識(shí)別效果.

因此，文中尿沉渣圖像信息采集系統(tǒng)在對采集圖像的處理之前，增加有形成分圖像的預(yù)處理環(huán)節(jié)，運(yùn)用Matlab仿真系統(tǒng)作為DJ8300系統(tǒng)的輔助平臺(tái)，對有形成分的圖像進(jìn)行預(yù)處理操作.它從R、G、B三色空間整體分布入手，設(shè)定統(tǒng)一標(biāo)準(zhǔn)的灰度值，精確定位和采集整體圖片中各個(gè)不同區(qū)域的R、G、B空間的顏色值，在此基礎(chǔ)上采用一種改進(jìn)型的色度學(xué)的圖像處理方法，使得分割和處理的結(jié)果更理想，性能更穩(wěn)定.下章節(jié)中所提出的改進(jìn)型白平衡算法是其核心分割和處理的重要過程之一.具體的處理流程如圖1所示.

圖1 圖像采集與處理模型的流程圖

1.2 圖像采集與處理

根據(jù)前期相關(guān)實(shí)驗(yàn)的經(jīng)驗(yàn)以及具體尿沉渣有形成分圖像的具體特征，DJ8300系統(tǒng)平臺(tái)在復(fù)雜的尿沉渣環(huán)境中對圖像進(jìn)行數(shù)據(jù)的采集，所采集的有形成分圖像運(yùn)用白平衡的方法進(jìn)行向量特性提取前的預(yù)處理，目的是降低色彩偏差對圖像數(shù)據(jù)值的干擾，同時(shí)，也盡可能排除尿沉渣圖像中有形成分本身聚堆現(xiàn)象、粘連等類似融合特征對數(shù)據(jù)采集的影響，進(jìn)而優(yōu)化色度學(xué)的分割處理.白平衡算法的預(yù)處理環(huán)節(jié)能夠調(diào)節(jié)圖片色彩特性，廣泛應(yīng)用于現(xiàn)代攝像、圖像處理，照相系統(tǒng)等領(lǐng)域；它是與色彩科學(xué)知識(shí)解釋相通，白色是指在入射光中由于同一的藍(lán)色、綠色和紅色色調(diào)，眼睛和具有形成視覺響應(yīng)的亮度成一定比例；赤、橙、黃、綠、青、藍(lán)、紫七種色光混合組成白色光，而這紅、綠、藍(lán)三原色按不同比例混合也能形成七色光，當(dāng)三原色相同比例在一種光線中時(shí)候，它被習(xí)慣地稱為消色，其所反射的光都是消色，情況包括：黑、白、灰、金和銀等；一般情況下，白色亮度被默認(rèn)為未含有色彩度.

有鑒于此，本研究的處理過程中就運(yùn)用所提的改進(jìn)型神經(jīng)網(wǎng)絡(luò)的白平衡算法對尿沉渣有形成分圖像進(jìn)行前期的預(yù)處理，從而有效地消除光照以及本身聚類等特點(diǎn)對后期實(shí)驗(yàn)工作的影響.

神經(jīng)網(wǎng)絡(luò)法［2-3］是白平衡算法的重要方法之一，也是時(shí)下比較主流的去光照方法之一.該方法處理的主要過程首先是離散化染色空間（r，g），實(shí)質(zhì)就是給特征參數(shù)降低維度，便于數(shù)值運(yùn)算，然后對接相應(yīng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的方法.筆者針對該識(shí)別系統(tǒng)的特點(diǎn)，提出的神經(jīng)網(wǎng)絡(luò)白平衡算法使用3層結(jié)構(gòu)網(wǎng)絡(luò)，輸入層有12個(gè)節(jié)點(diǎn)，第一個(gè)隱藏層有M個(gè)節(jié)點(diǎn)，第二個(gè)隱藏層有N個(gè)節(jié)點(diǎn)，輸出層有6個(gè)節(jié)點(diǎn)；輸入層代表離散化的染色空間（r，g），每一個(gè)節(jié)點(diǎn)的輸入可取0或1，表示某個(gè)色彩值（ri，gi）是否在圖像中出現(xiàn)，輸出層表征光源特性；上層為下層數(shù)值的加權(quán)之和.通過輸入不同的圖片，訓(xùn)練神經(jīng)網(wǎng)絡(luò)的不同權(quán)值，從而得到比較滿意的數(shù)值.

通常情況下，尿酸結(jié)晶圖像在采集過程中經(jīng)常會(huì)遇到R、G、B空間顏色值失真的情況.筆者采用白平衡算法，目的是去除色度方面的差值對圖像數(shù)據(jù)采集的干擾，將產(chǎn)生顏色偏差的圖片恢復(fù)到經(jīng)典光源照射下的標(biāo)準(zhǔn)色彩.所謂的經(jīng)典光源就是圖2中的自然光下的細(xì)胞圖像.以下是尿酸結(jié)晶圖像在采集過程中遇到R、G、B空間顏色值失真情況下的偏色圖像（圖2b）與經(jīng)典光源之下（圖2a）的尿酸結(jié)晶圖像，分別如圖2（a、b）所示.

圖2 尿酸結(jié)晶圖像

2 特征參數(shù)的提取

依據(jù)本研究中的改進(jìn)型神經(jīng)網(wǎng)絡(luò)的白平衡算法對尿沉渣有形成分圖像進(jìn)行前期的預(yù)處理，明顯降低光照以及聚堆現(xiàn)象、粘連等類似融合特點(diǎn)對特征參數(shù)提取的干擾，優(yōu)化特征向量數(shù)值提取環(huán)境，滿足尿沉渣有形成分識(shí)別所需要的R、G、B色度學(xué)特征參數(shù).顏色特征是反映細(xì)胞種類的重要指標(biāo)之一，根據(jù)該系統(tǒng)中的顏色特點(diǎn)，采用RGB向量空間［4］顏色模型的方法來對細(xì)胞的顏色進(jìn)行分析和研究；系統(tǒng)對每種成分均提取它們的R（Red）、G（Green）、B（Blue）3個(gè)顏色特征值，這3個(gè)特征值是各種成分所有像素點(diǎn)的R、G、B的平均值；這在后面章節(jié)的細(xì)胞成分的分割中起到十分重要的作用，尤其是在后期的訓(xùn)練和識(shí)別的過程中，它也作為神經(jīng)網(wǎng)絡(luò)識(shí)別算法的關(guān)鍵特征參數(shù)類型之一，共同導(dǎo)致尿沉渣有形成分的識(shí)別和分類準(zhǔn)確率的提高，后期的實(shí)驗(yàn)數(shù)據(jù)也說明這一結(jié)論.

3 尿沉渣有形成分的分割與分類

3.1 圖像的特征空間分割

尿沉渣成分的分割過程遵循色度學(xué)方法的一般要求、規(guī)則和功能.詳細(xì)的分割步驟是：1）將一幅彩色圖像依據(jù)彩色圖像特有的色彩規(guī)則［5］分割成為多個(gè)不同的區(qū)域，這些多個(gè)區(qū)域元素的整體數(shù)量，成型規(guī)則等都必須符合色度學(xué)的分割特定要求，比如說區(qū)域的特殊性意義，所謂特殊性，它主要是指符合識(shí)別系統(tǒng)模型中前期的色度學(xué)分割所必須的局部圖片特性；再如，特定區(qū)域的一致性要求，它所說的一致性是指局部獨(dú)立的區(qū)域之間相互不重疊，從而符合前期的色度學(xué)分割；2）依據(jù)色度學(xué)分割完成之后的訓(xùn)練和學(xué)習(xí)要求特點(diǎn)，須前瞻性的選取符合具體細(xì)化分割的顏色組合.

系統(tǒng)采集的尿沉渣彩色圖像；根據(jù)不同的顏色空間特征參數(shù)進(jìn)行分類和分割［6-7］；在分析各成分及數(shù)據(jù)時(shí)可以發(fā)現(xiàn)，各種細(xì)胞和有形成分在R、G、B的3個(gè)顏色空間都有交叉區(qū)，并且對于不同的圖像，由于尿沉渣的各種有形成分在不同環(huán)境的光照下采集的顏色空間所對應(yīng)的參數(shù)標(biāo)準(zhǔn)不一致，導(dǎo)致其不易簡單分割.另外，在醫(yī)學(xué)尿沉渣有形成分的應(yīng)用時(shí)，源于眾多復(fù)雜的有形成分，并且也有尿沉渣有形成分自身的原因，有時(shí)會(huì)出現(xiàn)多個(gè)重疊小區(qū)，它們相互作用和影響以聚合成某些較大的融合區(qū)，被稱為圖形處理聚堆現(xiàn)象.

考慮上述情況和特點(diǎn)，提出從改進(jìn)型色度學(xué)分割的角度來考慮細(xì)胞有形成分的處理，分析不同區(qū)域在R、G、B三色向量空間的顏色值，以獲得各種細(xì)胞和復(fù)雜成分在R、G、B三色向量空間中的分布概況，查找分析它們其中的R、G、B分布差異；并應(yīng)用專業(yè)仿真軟件Matlab7.0，對在DJ8300超級(jí)分析儀中采集的各種尿沉渣有形成分的圖像檢測顏色的像素值；并提出以下的色度學(xué)分割準(zhǔn)則［8-9］，以分類處理各種尿沉渣有形成分的圖像，相關(guān)的Matlab模擬仿真過程如下：

第1步，采用正向掃描整幅圖像，將每個(gè)像素的R分量減去B分量，根據(jù)其差值將像素分為兩大類：（R-B）＞=M類和（R-B）＜-M類.

第2步，當(dāng)（R-B）＞=M類時(shí)，凡是（R-B）＞=M的像素令其保留原先的顏色值，而（R-B）＜M的像素則令其為黑色，這樣得出的圖像可以突顯指定細(xì)胞區(qū).

第3步，當(dāng)（R-B）＜-M類時(shí)，凡是（R-B）＜-M的像素令其保留原先的顏色值，而（R-B）＞=-M（M為不同的自然數(shù)）的像素則令其為黑色，這樣得出的圖像除去一般細(xì)胞，突顯指定細(xì)胞區(qū).

根據(jù)MATLAB7.0仿真處理的結(jié)果分析，采用色度分割準(zhǔn)則處理的尿沉渣有形成分的圖像取得一定的分割效果，它能在沒有醫(yī)學(xué)專家的參與下，自動(dòng)粗略地分割論文中DJ8300超級(jí)分析儀采集的尿沉渣中的有形成分，且可以在系統(tǒng)平臺(tái)上采集的原始的尿沉渣彩色圖像中提取出新的圖像.但是，要使圖像更清晰，視覺效果更好，必須對提取出來的細(xì)胞圖像進(jìn)行平滑濾波處理.

3.2 RGB向量空間的圖像分割與分類

本研究中具體的分割和分類方法是把一張完整的尿沉渣圖像分割成若干個(gè)局部區(qū)域.作為整個(gè)系統(tǒng)中的核心組成部分之一，它是一個(gè)十分重要的改進(jìn)型應(yīng)用方法，其標(biāo)準(zhǔn)的分割方法和原始模型源自于岡薩雷斯先生的數(shù)字圖像處理技術(shù)，它已發(fā)展的非常成熟和穩(wěn)定，并在相關(guān)領(lǐng)域被大力推廣.這里改進(jìn)沿用的目的是在R、G、B圖像中分割一個(gè)特定的彩色細(xì)胞或尿沉渣有形成分；給定一組指定的彩色（或彩色范圍）描述的彩色樣本點(diǎn)［10-11］，系統(tǒng)可根據(jù)這一彩色樣本點(diǎn)所對應(yīng)的一組R、G、B顏色空間向量值，來獲得一個(gè)“平均”的顏色估計(jì)，它是文中期望被分割的某種顏色有形成分，通?？梢宰屵@種平均色用R、G、B顏色空間向量的列向量m來定義.

系統(tǒng)所構(gòu)建的改進(jìn)型色度學(xué)分割和分類方法模型中的理念要求，其具體分割的目的是對尿沉渣圖像中的每一個(gè)R、G、B像素進(jìn)行分類，使其在指定的范圍內(nèi)有一種顏色或沒有顏色，為順利執(zhí)行這一比較，系統(tǒng)設(shè)定一個(gè)相似性度量，最簡單的度量之一是歐幾里得距離；令z表示RGB空間的任意點(diǎn)，若z和m之間的距離小于指定的閾值T，則說z相似于m.m和z之間的歐幾里得距離［12-13］由下式給出：

其中‖?‖是參數(shù)的范數(shù)，下標(biāo)R、G和B表示向量m和z的RGB分量.D(z,m)≤T的點(diǎn)的軌跡是一個(gè)半徑為T的實(shí)心球體，如圖3a所示.由定義可知，包含在球體內(nèi)部或表面的點(diǎn)滿足特定的彩色準(zhǔn)則；而球體外邊的點(diǎn)則不滿足.在圖像中對這兩組點(diǎn)編碼，如黑的和白的，產(chǎn)生一幅二值分割圖像.前述方程的一個(gè)有用歸納是距離：

其中，C是要分割的彩色的樣值表示的協(xié)方差矩陣.該距離成為Mahalanobis距離.D(z,m)≤T的點(diǎn)的軌跡描述一個(gè)實(shí)心三維橢圓體［14］，如圖3b所示，它的重要屬性是其主軸取在最大的數(shù)據(jù)擴(kuò)展方向上.當(dāng)C等于單位矩陣I時(shí)，Mahalanobis距離約簡為歐幾里得距離.除現(xiàn)在數(shù)據(jù)包含在橢球體內(nèi)而不是包含在圓球體內(nèi)之外，分割原理類似于上述章節(jié)的描述.

圖3 RGB向量空間聚合數(shù)據(jù)的兩種方法

分類處理在上述采用的類似實(shí)心球體軌跡法和實(shí)心三維橢圓體法的模型［15］下，系統(tǒng)函數(shù)COLORSEG可在MATLAB7.0仿真軟件環(huán)境下實(shí)現(xiàn)對尿沉渣有形成分的有效分割，具體函數(shù)實(shí)現(xiàn)的程序代碼如下：

S=Colorseg；

%調(diào)用MATLAB語言中的分割實(shí)現(xiàn)函數(shù)，模擬實(shí)心球體軌跡法和實(shí)心三維橢圓體法來實(shí)現(xiàn)尿沉渣有形成分的分割；

%method（表示方法）.f（表示RGB圖像）.T（表示閥值）.parameters（表示參數(shù)）；

分割函數(shù)在MATLAB7.0仿真軟件環(huán)境中有2種method選擇，一是‘euclidean’，二是‘mahalanobis’，f是分割的RGB尿沉渣有形成分圖像，T是前邊描述過的閾值.若選擇‘euclidean’，則輸入?yún)?shù)是m，若選擇‘mahalanobis’，則輸入?yún)?shù)是m和C.parameters（參數(shù)）m是RGB向量空間中Mahalanobis距離或者歐幾里得距離運(yùn)算過程中所需的向量之一，其選擇形式一般也可以有2種，第一種為：‘行’，第二種為：‘列’；兩者的選擇項(xiàng)可根據(jù)不同的距離計(jì)算對應(yīng)的自由選定.而parameters（參數(shù)）C在RGB向量空間中Mahalanobis距離或者歐幾里得距離運(yùn)算過程中一般為三行三列的協(xié)方差矩陣.

對應(yīng)的進(jìn)程中，分割函數(shù)COLORSEG的輸出值用S來表示，它為與尿沉渣中采集的源圖像所對應(yīng)的灰度圖像.按照MATLAB軟件中圖像處理算法對于灰度圖像的處理規(guī)則，當(dāng)T=0時(shí)，對應(yīng)部分的區(qū)域作為背景圖像被系統(tǒng)保存，而當(dāng)T=1時(shí)，對應(yīng)部分的區(qū)域作為目標(biāo)圖像就被系統(tǒng)從源圖像中分割出來；被分割的二值化圖像區(qū)域在MATLAB軟件圖像處理的數(shù)值計(jì)算界面能非常直觀的得到顯示，整個(gè)圖像中顯示出來的不同區(qū)域分別表示為0和1.

據(jù)此，系統(tǒng)有效的將各類有形成分從背景圖像中分割出來，這在后面的系統(tǒng)實(shí)驗(yàn)結(jié)果與數(shù)據(jù)中得到充分的說明，也達(dá)到理想的分類和識(shí)別預(yù)期.

4 實(shí)驗(yàn)結(jié)果分析

鑒于在尿沉渣空間環(huán)境中提取有形成分的復(fù)雜性，現(xiàn)有的形態(tài)學(xué)方法對分類識(shí)別細(xì)胞等有形成分的準(zhǔn)確率不高，本研究探索改進(jìn)型色度學(xué)圖像處理分割和分類的方法.同時(shí)，在提高有效成分識(shí)別的準(zhǔn)確率方面，針對尿沉渣的成分特點(diǎn)和空間環(huán)境特征，改變傳統(tǒng)紋理特性、形態(tài)學(xué)特性等成熟特征參數(shù)的情況下，采集G、B、R顏色特征參數(shù)，從而穩(wěn)步顯示出識(shí)別圖像處理的優(yōu)越性.通過對色度學(xué)特征向量計(jì)算平臺(tái)關(guān)鍵性能參數(shù)的定義、抽取和傳遞，實(shí)現(xiàn)本算法在DJ8300系統(tǒng)平臺(tái)的性能移植，并取得較好的實(shí)驗(yàn)效果.具體的實(shí)驗(yàn)數(shù)據(jù)值，如表1所示.

表1 識(shí)別準(zhǔn)確率數(shù)值 %

在改進(jìn)型的色度學(xué)圖像處理和識(shí)別中，模型借鑒熵、能量、對比度等紋理特征參數(shù)；H、S、V三個(gè)顏色特征值參數(shù)和細(xì)胞的圓形度、細(xì)長度、區(qū)域的周長、矩形度、散射度、伸長度等形態(tài)學(xué)特征參數(shù)等若干種特征參數(shù)，隨后優(yōu)化提取R、G、B色度學(xué)特征參數(shù).經(jīng)過后期的分類和識(shí)別實(shí)驗(yàn)檢測，尿沉渣有形成分的實(shí)時(shí)性和識(shí)別率均得到有效的提高.

5 結(jié)語與展望

針對經(jīng)典的形態(tài)學(xué)特征參數(shù)對細(xì)胞成分識(shí)別方法的不足等問題，本研究提出基于色度學(xué)綜合特征參數(shù)提取的圖像處理方法，對醫(yī)學(xué)尿沉渣圖像的有形成分進(jìn)行分析和處理，在改變尿沉渣有形成分圖像分割和識(shí)別所需的必要紋理特征參數(shù)和形態(tài)學(xué)特征參數(shù)的條件上，創(chuàng)造性地采用增加色度學(xué)中R、G、B向量空間特征值等3個(gè)特征參數(shù)的方法，最終有效地提高尿沉渣中細(xì)胞有形成分分類的識(shí)別率.尤其是對上皮細(xì)胞、白細(xì)胞和各種復(fù)雜晶體等原先標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)所難以識(shí)別的有形成分，其識(shí)別的準(zhǔn)確率得到明顯的提高.

下一步的工作：基于創(chuàng)新型色度學(xué)的圖像處理方法改進(jìn)，識(shí)別準(zhǔn)確率的問題成為尿沉渣有形成分檢測的關(guān)鍵.標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)算法的成熟性以及實(shí)現(xiàn)的簡單性，使得研究中在一系列的神經(jīng)網(wǎng)絡(luò)中選擇BP神經(jīng)網(wǎng)絡(luò)成為必然.通過對本研究的醫(yī)學(xué)細(xì)胞識(shí)別的實(shí)際應(yīng)用效果來看，其優(yōu)點(diǎn)主要體現(xiàn)在處理速度、監(jiān)督學(xué)習(xí)、智能記憶和準(zhǔn)確率高等方面，具體可以總結(jié)為：1）處理速度快，能滿足醫(yī)學(xué)細(xì)胞檢測的實(shí)時(shí)性要求；2）系統(tǒng)模型科學(xué)，智能學(xué)習(xí)先進(jìn)，能適應(yīng)在復(fù)雜環(huán)境下運(yùn)行；3）記憶功能強(qiáng)，有助于細(xì)胞檢測的高準(zhǔn)確率.

然而，缺點(diǎn)也是顯而易見的.如果系統(tǒng)的記憶數(shù)據(jù)庫中沒有類數(shù)據(jù)源，或者檢測與分類奇異的各種細(xì)胞元，網(wǎng)絡(luò)通常無法得出正確的識(shí)別效果，且在學(xué)習(xí)和識(shí)別這類奇異的細(xì)胞元素時(shí)，BP神經(jīng)網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率、系統(tǒng)收斂時(shí)間、模型等相關(guān)性能指標(biāo)均有所下降.因此，推進(jìn)工作可以一并實(shí)驗(yàn)基于色度學(xué)與形態(tài)學(xué)結(jié)合的識(shí)別方法，驗(yàn)證其對傳統(tǒng)醫(yī)學(xué)細(xì)胞的圖像進(jìn)行分析和識(shí)別時(shí)的效果.它可沿用BP神經(jīng)網(wǎng)絡(luò)識(shí)別所需的紋理特征參數(shù)和形態(tài)學(xué)特征參數(shù)的基礎(chǔ)上，適當(dāng)增加色度學(xué)上的HSV等3個(gè)特征參數(shù)，最終達(dá)到有效提高尿沉渣有形成分的識(shí)別準(zhǔn)確率的目的.從而進(jìn)一步改進(jìn)針對尿沉渣圖像有形成分的識(shí)別方法，為今后的相關(guān)學(xué)習(xí)和研究奠定一定的基礎(chǔ)和良好的平臺(tái).

［1］劉玉成.基于色度學(xué)和形態(tài)學(xué)相結(jié)合的圖像處理與識(shí)別技術(shù)研究［D］.南京：南京信息工程大學(xué)，2009.

［2］焦李成，楊淑媛，劉芳，等.神經(jīng)網(wǎng)絡(luò)七十年：回顧與展望［J］.計(jì)算機(jī)學(xué)報(bào)，2016，39（8）：1697-1716.

［3］嚴(yán)世珺.數(shù)字圖像白平衡處理算法研究與改進(jìn)［D］.上海：上海交通大學(xué)，2015.

［4］RAFAEL C G，RICHARD E W，STEVEN L E.數(shù)字圖像處理（Matlab）［M］.2015.

［5］MIEHAEL B.Computational approaehes to image understanding［C］//Com Puting Surveys，2012，1（14）：3-71.

［6］胡小鋒，趙輝.圖像處理與識(shí)別實(shí)用案例精選［M］.北京：人民郵電出版社，2014：56-63，188-205.

［7］PIERRE L.The FPGA-based multi-classifier［J］.Pattern Analysis and Applications，2015，18（1）：207-223.

［8］SATOSHI M，JUN M，HITOSHI M.Ada ptive classifieation of urinary sediment images using feedbaek training［J］.Systemsand Com Putersin Ja Pan，2015，32（2）：237-244.

［9］傅蓉.細(xì)胞重疊與融合性圖像的分離與分割技術(shù)研究［D］.廣州：第一軍醫(yī)大學(xué)，2007.

［10］馮乃勤,劉春紅,張聰品,等.形態(tài)學(xué)聯(lián)想記憶框架研究［J］.計(jì)算機(jī)學(xué)報(bào)，2010（1）：157-166.

［11］張波.基于數(shù)字圖像技術(shù)的巖石邊坡失穩(wěn)災(zāi)害監(jiān)測預(yù)報(bào)的開發(fā)研究［D］.鄭州：鄭州大學(xué)，2007.

［12］陳志國，須文波.機(jī)器視覺智能機(jī)器人無損檢測系統(tǒng)［J］.計(jì)算機(jī)工程與應(yīng)用，2009（14）：12-14.

［13］田銳，郭艷玲.基于機(jī)器視覺的葡萄自動(dòng)識(shí)別技術(shù)［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2008（11）:95-97.

［14］韓媞.森林防火系統(tǒng)中圖像識(shí)別算法的研究［D］.哈爾濱:哈爾濱工業(yè)大學(xué)，2008.

［15］FUNT B，BERNARD K，MARTIN L.Is machine colour constancy good enough［C］∥Proceedings of the 5th European Conference on Computer Vision Freiburg，Germany，2014：445-459.

An Improved RGB Vector Space Polymerization of Urinary Sediment Image Segmentation

LIU Yucheng1，ZHANG Yingchao2
（1.State Key Laboratory,Nanjing University of Finance and Economics，210003，Jiangsu，Nanjing China；（2.Information and Control Institute,Nanjing University of Information Science and Technology，210044，Jiangsu，Nanjing，China）

The classic classification method based on morphological feature vector is unable to handle the image acquisition under complex environment.Therefore，the present study creatively proposes to consider the processing of cell tangible components from the perspective of improved chroma-segmentation and analyze the color values of R，G and B vector spaces in different regions to obtain G and B in the vector space of R，G and B，and find out the difference of the R，G and B distribution among them.And using the professional simulation software Matlab7.0，the pixel values of the detectable colors of the visible components of urine sediment collected in the DJ8300 super analyzer were measured.Categorization and recognition parameters C parameters in the RGB vector space Mahalanobis distance or Euclidean distance calculation process with three rows of three covariance matrix to represent.And the model is similar to a solid sphere locus method and three-dimensional solid ellipsoid method used.The experimental results show that the proposed method can optimize the segmentation of chromaticity and reduce the influence of light source and other environment during the collection process according to the similarity of fusion phenomena such as polygonal phenomena and adhesion of visible components in urine sediment images，to solve this problem of the visible image distortion of the urine sediment，and to improve the effect of the chromatic aberration correction of the image.The new breakthrough in the segmentation and classification of urinary sediment physical components by colorimetric methods has been fully demonstrated in the later data of the recognition experiment.

covariance matrix；vector space；mahalanobis distance；sphere locus method；three-dimensional ellipsoid method

TP 391

A

2095-0691（2017）01-0057-07

2016-09-30

江蘇省六大人才高峰項(xiàng)目（2106-A-027）；江蘇省高校自然科學(xué)基金資助項(xiàng)目（12016KJD520122）

劉玉成（1980－ ），男，江蘇鎮(zhèn)江人，實(shí)驗(yàn)師，碩士生，研究領(lǐng)域?yàn)橛?jì)算機(jī)應(yīng)用.通信作者：張穎超（1960- ），男，江蘇徐州人，教授，研究領(lǐng)域?yàn)橄到y(tǒng)控制和仿真、網(wǎng)絡(luò)控制技術(shù)等.