基于NMFSNMB与GB(2D)~2PCA融合的牛乳体细胞分类

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。