基于分水岭及半监督最小误差重构的荧光微球分割及分类方法

作     者：黄鸿 金莹莹 李政英 段宇乐 石光耀 Huang Hong, Jin Yingying, Li Zhengying, Duan Yule, Shi Guangyao

作者机构：重庆大学光电技术及系统教育部重点实验室重庆400044 

出 版 物：《中国激光》 (Chinese Journal of Lasers)

年 卷 期：2018年第45卷第3期

页      面：130-136页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 081203[工学-计算机应用技术] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(41371338) 

主　　题：生物光学 半监督分类 误差重构 分水岭 特征提取 荧光微球 

摘      要：针对荧光微球图像分割存在粘连及有限标记样本分类困难等问题,提出了一种基于改进分水岭及半监督最小误差重构分类器(SSMREC)的荧光微球图像分割及分类方法。采用改进分水岭方法对荧光微球图像进行分割,有效分离粘连,得到独立的荧光微球对象;对微球对象的色调(H)、饱和度(S)、明度(V)即HSV颜色空间进行非均匀量化,去除冗余信息,提取鉴别特征;采用半监督误差重构分类器实现荧光微球分类。将本文方法与线性鉴别分析分类器(LDA)、随机森林分类(RFC)、稀疏表示分类器(SRC)、K近邻分类器(KNN)、支持向量机(SVM)分类方法进行比较。实验结果显示,针对每类样本随机选取2,4,6,8个有类别标记的样本时,本文方法的总体分类精度比其他算法高3.5%~14.3%,该算法在类别标记样本量较少的情况下,能够有效提高分类精度。