30、基于差分进化的白血病细胞自动对比度增强识别方法

基于差分进化的白血病细胞自动对比度增强识别方法

1. 引言

科学界的一个重要目标是让机器具备像人类一样处理图像的能力，数字图像处理是实现这一目标的第一步。如今，数字图像处理已广泛应用于机器人、监控、医学、生态等多个领域。在这些领域中，图像识别和解释是基本任务，而识别图像中的感兴趣区域（ROI）通常需要将图像分割成多个ROI。然而，当输入图像质量较低时，这一过程会受到显著影响。

在医学领域，灰度显微镜图像处理有助于识别从背景中凸显出来的生物标本，血细胞图像就是其中一类特殊的医学图像，对其进行形态分析可以识别白血病等血液疾病。但由于图像采集条件不受控制，血细胞图像通常质量较差，存在光照不足、与图像传感器通信不稳定、镜头设置错误等问题。

虽然已有图像增强技术应用于白血病细胞图像分析，但大多数方法没有考虑每张图像的特定属性，对所有图像应用相同的变换，且传统增强方法高度依赖图像，需要手动调整参数。常见的图像增强技术对比度拉伸，是扩展图像中强度级别的范围，但确定图像增强的合适参数仍是一个难题。此前虽有一些相关研究，如改进的差分进化算法、混沌差分进化方案等，但都存在计算复杂、测试图像少、缺乏结果评估等问题。

因此，本文提出使用差分进化（DE）算法将高斯混合模型（GMM）近似到图像直方图，计算对比度增强所需的参数，再通过边缘检测和膨胀操作分离细胞核区域，提取几何特征，最后使用两种神经网络对细胞进行分类。

2. 理论基础

2.1 对比度增强

图像增强的目标是尽可能去除不必要的方面，同时保留对后续处理至关重要的部分。一种方法是使用逐像素操作，返回与输入图像每个像素对应的单个值。常用的对比度拉伸函数定义为：