[發明專利]基于稀疏表示的寄生蟲蟲卵識別方法

有效

• 申請號: 201310181012.4
• 申請日: 2013-05-15
• 公開（公告）號: CN103268494A
• 公開（公告）日: 2013-08-28
• 發明（設計）人: 李峰;曾曉輝;金紅;潘雨青;陳盛霞
• 申請（專利權）人: 江蘇大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 羅敏

技術領域

本發明屬于圖像識別技術領域，具體涉及一種基于稀疏表示的寄生蟲蟲卵識別方法。

背景技術

建立在計算機圖像處理與醫學顯微技術之上的寄生蟲蟲卵自動識別的關鍵是設計快速有效的圖像識別算法，以往基于圖像的寄生蟲蟲卵自動識別方法主要借助于先分離出蟲卵目標，再提取目標的各種特征，最后結合一個分類器完成識別。舉兩例與本發明較相關的方法：（1）Derya?Avci等人2009年結合Hu的7個不變矩與支持向量機在文獻“An?expert?diagnosis?system?for?classification?of?human?parasite?eggs?based?on?multi-class?SVM”中對16種人體寄生蟲蟲卵進行識別，雖獲得很高的識別率，但僅在圖像較為理想的前提下才能達到，并未考慮干擾因素較多時的情況；（2）中國專利CN201110022426.3提出了一種結合寄生蟲蟲卵邊緣直方圖的方法對人體寄生蟲蟲卵進行形狀識別，較好地克服弱邊界的影響，提高了識別的可靠性，然而對于形狀較為相似的寄生蟲的形狀識別還是存在不足。從現有方法看，特征的種類較多，除上述方法中描述的特征外還包括顏色、形狀、大小、紋理等，特征選擇得好壞很大程度決定了最后的識別率，同時初步定位目標并提取特征的步驟也較難準確的完成。分類器也多種多樣，包括貝葉斯分類器、線性判別分析、支持向量機、神經網絡、最小距離等，因為這些分類器對特征是敏感的，于是選擇何種特征對于分類器是最優的往往難以確定，同時這些分類器對諸如噪聲、遮擋、雜質等干擾因素的魯棒性都較弱。

基于稀疏表示分類算法的應用還遠未展開，這樣一個基本的算法框架在不同的應用場合中，需要結合其他技術與技巧對算法進行改造和拓展，特別在數據降維、稀疏表示算法的選擇、字典學習方面需根據具體需要確定。基于以上分析，首次將其應用于寄生蟲蟲卵識別問題中，實現單類或多類寄生蟲蟲卵的識別。

發明內容

本發明的目在于克服以往寄生蟲蟲卵識別方法對特征以及各種干擾因素較敏感的缺陷，結合適合大規模稀疏表示的Batch-OMP算法與K-SVD字典學習算法，提出了一種基于稀疏表示的寄生蟲蟲卵識別方法，在識別率和識別效率上以滿足實際寄生蟲蟲卵自動識別系統的應用需求。

為了實現上述發明目的，本發明采用以下技術方案：一種基于稀疏表示的寄生蟲蟲卵識別方法，包括以下步驟：

（1）建立初始字典：單類識別建立初始單類字典，多類識別建立初始聯合字典；

（2）字典學習：使用K-SVD算法對字典進行學習，單類識別得到單類表示字典，多類識別得到聯合表示字典和聯合判別字典；

（3）處理輸入圖像：對輸入圖像進行金字塔壓縮，用滑動窗口的方式對壓縮圖像進行分塊，步長可以選擇為一個或多個像素；對所有圖像塊進行稀疏表示，單類識別的字典采用單類表示字典，多類識別的字典采用聯合表示字典；

（4）計算重建誤差矩陣；

（5）獲取候選圖像塊：利用步驟（4）中得到的重建誤差矩陣，尋找其所有的局部最小值，選取其中最小的k個值所對應的圖像塊作為候選目標；

（6）識別候選圖像塊：對于單類識別情況，用閾值判別候選圖像塊，識別完成；對于多類識別情況，對候選圖像塊進行稀疏表示，使用聯合判別字典，計算子字典重建誤差，使用閾值方式對候選圖像塊進行判別與分類，識別完成。

步驟（1）中，建立初始字典步驟如下：

（1）選擇若干雜質較少且具有代表性的寄生蟲蟲卵圖像樣本c·n個，其中c為≥1的整數，代表類數，n代表每個類的樣本數；

（2）采用高斯金字塔對c·n幅圖像進行壓縮，得到降維后的圖像樣本；

（3）以d度為間距，對上一步中得到的每幅圖像旋轉一周得到360/d個圖像樣本（包括原圖），于是總樣本數為N＝360·c·n/d；

（4）將上一步得到的每個二維圖像數據“拉長”為一維向量，再對每個向量進行標準化處理，使每個向量滿足l₂-范數為1；

（5）把上一步得到的所有標準化的向量作為字典的原子，得到初始字典，若c＝1，則得到的是單類識別的初始單類字典，若c＞1，則得到的是多類識別的初始聯合字典，包含c個子字典。

步驟（2）中，使用K-SVD算法對字典進行學習，分為三種情況：

（1）針對單類寄生蟲蟲卵識別，用K-SVD算法對初始單類字典進行學習，得到單類表示字典，該字典同時用于初步定位與分類，字典的體積根據原子向量的維數而定；