牛乳體細(xì)胞是牛乳質(zhì)量評價(jià)和乳腺炎診斷的一項(xiàng)重要指標(biāo)。為了解決牛乳體細(xì)胞檢查中存在的一些問題，提高乳腺炎診斷的效率核準(zhǔn)確率，運(yùn)用圖像特征提取和分類識(shí)別技術(shù)，對四類牛乳體細(xì)胞進(jìn)行分類識(shí)別研究。本文提出基于改進(jìn)形態(tài)特征的體細(xì)胞分類識(shí)別，首先選取了8類形態(tài)特征和4類紋理特征，同時(shí)改進(jìn)了圓形度、矩形度表達(dá)公式。最后將特征集輸入到隨機(jī)森林分類器中進(jìn)行特征匹配。實(shí)驗(yàn)證明，改進(jìn)后的圓形度、矩形度表達(dá)式提高了分類的準(zhǔn)確率。

?

　　隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，圖像處理在生物學(xué)和醫(yī)學(xué)領(lǐng)域中得到了廣泛地應(yīng)用，在人體癌細(xì)胞、人體白細(xì)胞的分類識(shí)別中都的得到了較好的效果。從灰度共生矩陣中提取出紋理特征，并結(jié)合形態(tài)特征，該方法對淋巴細(xì)胞和中心粒細(xì)胞分類效果不佳。對12 類紅細(xì)胞進(jìn)行識(shí)別，只提取了5 類形態(tài)特征和2 類紋理特征，對其部分紅細(xì)胞分類效果不佳。本文提出了基于改進(jìn)形態(tài)特征的牛乳體細(xì)胞分類識(shí)別算法，首先用K-means 聚類算法將巨噬細(xì)胞、淋巴細(xì)胞、上皮細(xì)胞、中性粒細(xì)胞的細(xì)胞從背景中分割出來，并提取其形態(tài)特征、紋理特征，根據(jù)四類細(xì)胞之間的外形區(qū)別，改進(jìn)了圓形度、矩形度表達(dá)式，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的圓形度、矩形度表達(dá)式有效的提高分類識(shí)別率；運(yùn)用隨機(jī)森林分類器也能得到較為理想的分類結(jié)果。
?