主动学习的白细胞图像自动分割

摘要：

提出利用极端学习机算法(ELM)在线构建像素分类模型分割白细胞图像.训练阶段根据白细胞核深染色的特点,先利用一个Mean-shift过程在RGB空间定位白细胞核区；再经核区形态学膨胀,得到一个熵与面积之比最大的区域作为正样本候选区域,而此区域外像素则作为负样本候选区域；通过正负样本像素抽样组成训练集,能在线训练得到一个两分类ELM模型.多次抽样得到的训练集可以产生多个ELM模型.测试阶段利用上述ELM模型集成分类全体像素,可实现白细胞自动分割.与传统图像分割算法相比,本文方法基本无参数调整,可自适应光照和染色条件导致的图像颜色变化,分割效果好.相关实验结果表明算法的有效性.

关键词：白细胞、图像分割、均值移动(Mean-shift)、极端学习机、分类器集成

所属期刊栏目：17

分类号：TP391.4(计算技术、计算机技术)

资助基金：浙江省自然科学基金项目Y1091039,Y2091057

在线出版日期：2012-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1029-1034