尿沉渣有形成分的自动识别研究

徐晓蓉

摘 要：尿沉渣的有形成分有着结构复杂、种类繁多的特点，同时尿沉渣图像还会因为诸多因素而出现聚焦不清、光照不均、背景复杂、图像模糊等问题，这些诸多问题往往会给正常的有形成分识别造成极大的干扰。为解决这一问题，本文将从实践方面对尿沉渣有形成分的识别进行深入研究，总结出有形成分的各种特征，然后再根据特征来对有形成分进行区分，以期能够为我国的尿沉渣有形成分的自动识别提供一些帮助。

关键词：尿沉渣;有形成分;自动识别

0 前言

尿检测是医院常见的一种检测项目，对患者的临床泌尿系统进行检测和诊断均具有非常重要的意义。但在实际检测过程中，因为尿沉渣的有形成分结构复杂、种类繁多，图像还会因为各种原因而出现诸多问题，这些问题都给尿沉渣有形成分识别带来了极大的困难，所以为了能够更加准确体现出尿沉渣检测的临床意义，现针对尿沉渣有形成分的特征进行深入研究，提高有形成分的区分效率，进而提升检测效率。

1 尿沉渣有形成分自动识别流程

现如今、完整的尿沉渣有形成分自动识别系统主要流程如图1所示：

在整个过程中，获取图像的目的是为了获得尿沉渣中有形成分的实际图像;图像分割则是为了对已经获取的图像进行有形成分的分类定位;自动识别就是通过对已经进行分类定位的图像进行计算分析，在通过大量的样本训练，最终得到一个分类器模式，以此来对位置的有形成分进行分类失败，再将所有识别结果进行输出[1]。

2 尿沉渣有形成分特征提取

2.1 图像预处理

在正式提取目标的实际特征之前，需要先对所识别目标与背景之间进行分离工作，但尿沉渣有形成分的图像背景通常都比较复杂，还有着诸多的干扰，诸多问题都会导致获取目标的清晰图像非常困难，这个时候就需要对目标图像进行一定的处理，以此来获得可以准确分析判断的图像。常见的边缘提取有Sobel算子、Laplace算子等，但在实际应用过程中，使用Sobel算子却会形成局部的边缘不闭合区域;使用Laplace算子常常会产生双边界，这些问题都给了自动识别系统在识别过程造成了极大的困难，也是如今亟待解决的问题。

Canny算子是由Canny所提出的一种边缘提取检查方法，这种算子首先是通过对高斯卷积对所获取的图像进行高斯平滑处理，然后在将图形进行微分操作，以此来得到梯度图，进而找出图像中可能存在的边缘点，再使用双阈值来确定图像最终的边缘点，最终得出获取图像的边缘图。相比较来说，Canny算子提取检测目标轮廓信息的能力更好，还不会对目标的杂点信息进行太大的干扰，这些督促Canny算子的优点，也是其应该被如今的尿沉渣自动识别系统所应用的原因。

2.2 尿沉渣有形成分的特征提取

（1）形态特征：1）面积、周长、圆度：尿沉渣的有形成分的大小、圆度各不相同，这些大小不一、圆度不一的有形成分便可以利用面积、周长、圆度三方面特征来进行大概的区分;2）占空比与长宽比：占空比是尿沉渣图像的二值图非零元素的面积与最小外接矩形的面积之比，其中最小矩形就是检测目标点集的最小面积的外包围矩形;长宽比也是在最小外接矩形为基础上进行的，不过其是矩形的长和宽之比，这个比越接近与1，那么这个检测目标就越接近于圆形;3）凹陷检测：凹陷检测通常用于对霉菌的检测上，因其外形与细胞相类似，很容易被弄混，再加上霉菌通常都会形成一个个群体，在进行正式对比之前需要对霉菌群体进行分割，凹陷检测就是通过检测霉菌上的凹陷的来确定其可切分点，进而划分出单个霉菌，最后在将单个霉菌进行对比[2]。

（2）纹理特征：在实际检测中，有很多有形成分在形态特征上并不容易进行区分，但纹理上却有着很大的全部，在如今相关的问你检测中，最常用的就是灰度共生矩阵纹理统计分析法，这种方法是通过计算图像中特定方向和特点距离的两像元间从一个灰度过渡到另一个灰度的概率，以此来反映出图像在方向、间隔、变化幅度等元素的综合信息，进而将目标进行区分识别[3]。

3 有形成分的自动分类识别

在提取了尿沉渣有形成分的各种特征以后，就需要将这些有形成分的各类特征输入到分类器之中，然后利用分类器对各种有形成分进行分类识别。目前世界上的分类器种类繁多，本文将以在尿沉渣有形成分自动识别中比较常用的分类器进行简单介绍：

3.1 线性支持向量机

支持向量机是通过求解线性可分情况下的最优分类面发展出来的。而最优分类面则是采用SVM为主要模块，这种模块可以在两类样本准确无误的情况下，令两类样本的分类距离最大，以此来减少各类风险的出现问题，最后得出样本的线性函数，也正是因为其可以得出线性函数，所以也被稱为线性支持向量机。

3.2 非线性支持向量机

既然已经有了线性可分，那么与之相对的就会有非线性可分的情况。对于非线性可分的情况，就需要通过使用非线性变换来将非线性问题转化成为更高维度空间中的线性问题，然后再通过线性可分的求解的方法来进行计算，得出相应的核函数（内积函数）。

4 总结

综上所述，在进行尿沉渣有形成分在自动识别中，需要先对尿沉渣的图像进行预处理，获得清晰的检测目标图像，然后再对检测目标进行特征提取，最后在将检测目标的各种特征信息输入到分类器之中，通过分类器来将检测目标进行自动的分类识别，以此来实现整个尿沉渣的有形成分的自动识别全过程，进而得出最终检测结果，为医生后期的治疗提供坚实的数据依据。

参考文献：

[1]刘睿.尿沉渣图像分割与识别算法研究[J].重庆大学，2016（05）.

[2]康萌.尿沉渣有形成分自动分割识别算法研究[J].西安科技大学，2014（06）.

[3]张修亮.尿液分析仪法与尿液沉渣检测法结果分析及探讨[J].中国医药导报，2010（35）.

项目名称：湖南省教育厅科研项目：尿沉渣有形成分识别系统的算法研究与分析。项目编号：15C0939