基于NMFSNMB与GB(2D)2PCA融合的牛乳体细胞分类

摘要：

牛乳体细胞中包含了多种细胞,对评价牛乳质量和诊断奶牛乳腺炎至关重要.本文以彩色显微图像为对象,研究牛乳体细胞中中性粒细胞、上皮细胞、巨噬细胞和淋巴细胞分类识别方法.为了降低高维的Gabor特征空间对分类效率的影响,提出一种基于改进的非负矩阵分解(NMFSNMB)与GB (2D)2PCA融合的特征提取算法.第1步,利用Gabor-based (2D)2PCA算法求得细胞图像的频域整体特征.第2步,利用NMFSNMB算法提取细胞的空域局部特征,将细胞图像分解成基矩阵和系数矩阵2部分,从中获取重要的局部信息.第3步,利用决策层融合策略完成整体与局部特征的融合,计算融合的匹配距离.最后1步,使用最近邻分类器识别细胞图像.该算法同时考虑到细胞图像的频域整体信息和空域局部信息,二者具有一定的互补性,且识别精度和识别稳定性都有所提高.实验结果表明,本文所提算法的总体精度为98.50％,Kappa系数为0.985,分类结果具有较高的可信度.本文算法有效地结合了两种算法的优点,提高了识别系统的准确率和稳定性,同时识别速度也没有受到影响.

关键词：牛乳体细胞、特征融合、非负矩阵分解、融合策略

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2019-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：78-84