基于mean-shift聚类的高鲁棒性白细胞五分类识别算法

本文提出了一种新型的基于mean-shift聚类算法的人体外周血中白细胞五分类算法,其核心思想是用一种近似人眼的可视化模式对白细胞纹理进行提取。首先利用mean-shift聚类算法从白细胞灰度图像中提取一些模式点,然后用其作为区域生长算法的种子点进行区域生长,得到一系列能够在某种程度上可视化地反映纹理的区域块。最后从这些区域块中提取一组参数向量作为白细胞的纹理特征。综合该向量和白细胞形态学特征,用人工神经网络(ANN)成功地完成了对白细胞的五分类识别。用了1 310个白细胞图像进行测试,得到中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、淋巴细胞、单核细胞的正确识别率分别为95.4%、93.8%、100%、93.1%、92.4%,证明了该算法的可行性和鲁棒性。