[發明專利]一種相差顯微鏡細胞圖像的檢測和分割方法

有效

• 申請號: 201710168276.4
• 申請日: 2017-03-21
• 公開（公告）號: CN109118492B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 陳勝勇;陳磊;張劍華;周小龍;張俊康;何露露;汪曉妍;管秋
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種相差顯微鏡細胞圖像的檢測和分割方法，包括以下步驟：1)基于對相差顯微鏡細胞圖像特性的分析，構建圖像中的層次信息之后，定義細胞圖像中的主要信息；2)傳播前一幀的主要信息，檢測當前幀中的主要信息，并提供是否存在目標主要信息粘連情況；3)如若當前幀中存在主要信息粘連情況，利用主要信息粘連分離算法對粘連細胞的主要信息進行分離，并且將分離后的局部區域塊合理地合并到細胞主要信息集合中去；4)幀間主要信息傳播時存在主要信息衰減問題，通過細胞主要信息修復策略修復當前幀細胞的主要信息；5)基于提取和檢測到的主要信息，通過兩種區域近似估計策略，得到細胞分割和檢測結果。本發明有效處理相差顯微鏡細胞圖像檢測和分割。

技術領域

本發明屬于醫學圖像處理技術領域，尤其是涉及一種相差顯微鏡細胞圖像的檢測和分割方法。

背景技術

當前在相差顯微鏡細胞檢測和分割領域，通常假設目標的區域具有內部一致性的特點，即目標內部的灰度、顏色或者其他特征是均勻分布。主要采用閾值的方法對目標區域進行直接分割，或者采用主動輪廓模型得到目標的封閉區域。一般閾值相關方法的思想主要是直接調節并得到最佳閾值，從而能夠直接得到目標的區域。主動輪廓模型的方法是在假定目標內部一致性的前提之下，增加了目標具有較強梯度邊界的假設，從而優化目標函數，從初始狀態開始演化曲線，最終能夠形成局部的封閉區域。但是主動輪廓模型無法對粘連的細胞進行有效的區分，其結果通常會把粘連的細胞置于同一個封閉區域中。另外的一類方法是對圖像進行分片處理，即將原始較大的圖像劃分出連續的局部區域塊。這類算法，包括超像素劃分(Super-Pixel)和UCM(Ultra-metric Contour Map)。前一種先在整幅圖上均勻地放置一些種子點，然后構建局部一致性的區塊，再通過半監督學習的方式或者譜聚類的方式，對這些局部區塊進行一個分類，從而能夠構建更具體的分割區塊。后一種是通過隨機森林的方式對已標記的像素級訓練集訓練出一個模型。訓練集中正樣本為目標邊界像素，負樣本為非邊界像素。得到的分類概率圖通過一系列的變換，能夠形成基于邊界信息的局部區域塊，再通過MCG(Multiple Combinatorial Grouping)算法對局部的區域塊進行融合操作。相差顯微細胞的邊界和內部都不具有明顯的一致性，即細胞內部灰度值的偏差很大且細胞邊界的清晰度不夠顯著，很多部位與背景相粘連。

發明內容

為了克服已有相差顯微鏡細胞圖像檢測和分割上較難處理的不足，本發明提供了一種有效處理相差顯微鏡細胞圖像檢測和分割的相差顯微細胞圖像的檢測和分割方法。

本發明解決其技術問題所采用的技術方案是：

一種相差顯微鏡細胞圖像的檢測和分割方法，所述方法包括以下步驟：

1)基于對相差顯微鏡細胞圖像特性的分析，構建圖像中的層次信息之后，定義細胞圖像中的主要信息，并通過輔助工具對細胞序列的第一幀標記主要信息，并得到針對所有細胞的主要信息集合，同時數值標號及顏色標記所有細胞的主要信息；

2)傳播前一幀的主要信息，檢測當前幀中的主要信息，并提供是否存在目標主要信息粘連情況；

3)如若當前幀中存在主要信息粘連情況，利用主要信息粘連分離算法對粘連細胞的主要信息進行分離，并且將分離后的局部區域塊合并到細胞主要信息集合中去；

4)幀間主要信息傳播時存在主要信息衰減問題，通過細胞主要信息修復策略修復當前幀細胞的主要信息；

5)基于提取和檢測到的主要信息，通過兩種區域近似估計策略，得到細胞分割和檢測結果。