[發(fā)明專利]高噪聲顯微圖像下的自動檢測微管方法

在審

• 申請?zhí)枺?/td>: 201710567042.7
• 申請日: 2017-07-12
• 公開（公告）號: CN107529658A
• 公開（公告）日: 2018-01-02
• 發(fā)明（設計）人: 蔣林華;蔣云良;童慧鑫;龍偉;賈良權;胡文軍
• 申請（專利權）人: 湖州師范學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/136;G06T5/00
• 代理公司: 杭州宇信知識產(chǎn)權代理事務所(普通合伙)33231
• 代理人: 張宇娟

1.高噪聲顯微圖像下的自動檢測微管方法，其特征在于：

步驟1：對輸入的原始圖像平滑去噪得到去燥圖像；

步驟2：對預處理圖像進行形狀濾波去除非管狀形狀的小塊物質得到預處理圖像；

步驟3：利用meanshift平滑分割算法和形狀濾波對預處理圖像的特征空間，進行圖像的微管分割；

步驟4：對分割圖像二值化轉化，根據(jù)聯(lián)通區(qū)域的面積閾值對比進一步去除一些殘留的污染物；

步驟5：利用形狀信息，提取微管的邊界信息，并將邊界信息畫在原圖像中。

2.根據(jù)權利要求1所述的方法，其特征在于：步驟1中的圖像平滑是基于形態(tài)學的方法來去噪；采用半徑為30-40像素的圓形的被用作結構元素，以除去圖像中的噪聲。

3.根據(jù)權利要求1所述的方法，其特征在于：步驟2中對輸入圖像去除小塊物質的形狀濾波是通過構建基于Hessian矩陣的管狀形狀濾波器：矩陣如下公式(1)：

Hessian矩陣的特征值提供的圖像結構信息

特征值計算公式包括公式(2)、(3)、(4)、(5)：

K＝(f_xx+f_yy)/2(4)

假設λ₁＜λ₂,如果λ₁＞λ₂,將互換兩者的位置：

構建基于Hessian矩陣的管狀濾波器的表達式如下公式(6)：

將公式6的管狀濾波器與高斯構建的圖像尺度空間融合：假設電鏡圖像中的微管大小為[d₀,d₁]，首先將用高斯濾波器對圖像進行高斯濾波，其高斯濾波器參數(shù)為[d₀/4,d₁/4]；其次將用公式6的管狀濾波器對圖像進行形狀濾波，依次交替濾波，直至一定次數(shù)停止。

4.根據(jù)權利要求3所述的方法，其特征在于：步驟3的meanshift平滑分割算法處理的預處理圖像的特征空間包含了管狀形狀濾波器的區(qū)域形狀值，灰度信息值，二維位置信息值組成的空間信息值,特征空間表示如公式(7)所示：

其中代表空間信息值，代表灰度信息值，代表區(qū)域形狀值，h_s,h_r控制著平滑的解析度，C代表相應的歸一化參數(shù)。

5.根據(jù)權利要求1所述的方法，其特征在于：步驟4中設定聯(lián)通區(qū)域的面積閾值為700到1000個像素之間，把聯(lián)通區(qū)域面積小于這一閾值的區(qū)域去掉。

6.根據(jù)權利要求1或4所述的方法，其特征在于：步驟3的微管分割采用融合策略處理，所述的融合策略包括區(qū)域相似融合策略和最小區(qū)域融合策略，兩者間是或的關系；

區(qū)域相似融合策略：如果兩個區(qū)域的距離小于h_r/2,那么融合；

最小區(qū)域融合策略：去掉小的區(qū)域。