[發明專利]寄生蟲蟲卵圖像識別方法

在審

• 申請號: 201810487123.0
• 申請日: 2018-05-21
• 公開（公告）號: CN110516505A
• 公開（公告）日: 2019-11-29
• 發明（設計）人: 朱姝
• 申請（專利權）人: 朱姝
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/13
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了寄生蟲蟲卵圖像識別方法，涉及寄生蟲蟲卵圖像識別，包括寄生蟲蟲卵類別樣本、待識別圖像，還包括以下步驟：S1，獲取來自寄生蟲蟲卵采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；S5，利用人工神經網絡進行模式識別。本發明能夠有效提取寄生蟲蟲卵的邊緣，作為理想的特征；能夠依據空間域和變換域雙重檢測，提高識別精度。

技術領域

本發明涉及寄生蟲蟲卵圖像識別，具體涉及寄生蟲蟲卵圖像識別方法。

背景技術

人體寄生蟲指以人作為宿主之寄生蟲。可分為內部寄生蟲和外部寄生蟲兩大類。大多屬原生動物、線形動物、扁形動物、環節動物和節肢動物。寄生蟲學中習慣上把原生動物稱為原蟲類，把線形動物和扁形動物合稱為蠕蟲類。內部寄生蟲之重要的種類大多包括在原蟲類、線蟲類、吸蟲類和絳蟲類中。研究寄生蟲蟲卵對醫學生學習和指導具有重要的意義。目前寄生蟲蟲卵類別存在識別困難、差異性小，存在干擾時難以識別的問題。

發明內容

本發明所要解決的技術問題是目前寄生蟲蟲卵類別存在識別困難、差異性小，存在干擾時難以識別的問題，目的在于提供寄生蟲蟲卵圖像識別方法，解決上述問題。

本發明通過下述技術方案實現：

寄生蟲蟲卵圖像識別方法，包括寄生蟲蟲卵類別樣本、待識別圖像，還包括以下步驟：

S1，獲取來自寄生蟲蟲卵采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；

S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；

S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；

S4，提取空間域和變換域中邊緣檢測獲取的待識別圖像的特征向量；

S5，利用人工神經網絡進行模式識別，將寄生蟲蟲卵類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現待識別圖像的識別。

進一步地，所述S1中的分解域變換采用小波多尺度分解域變換。

進一步地，所述S2中的梯度算子采用高斯拉普拉斯算子。

進一步地，所述S3中的邊緣檢測結果采用鏈表進行記錄。

進一步地，所述S4中的特征向量采用統計特征。

本發明與現有技術相比，具有如下的優點和有益效果：

1、本發明寄生蟲蟲卵圖像識別方法，能夠有效提取寄生蟲蟲卵的邊緣，作為理想的特征；

2、本發明寄生蟲蟲卵圖像識別方法，能夠依據空間域和變換域雙重檢測，提高識別精度。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚明白，下面結合實施例，對本發明作進一步的詳細說明，本發明的示意性實施方式及其說明僅用于解釋本發明，并不作為對本發明的限定。

實施例

本發明寄生蟲蟲卵圖像識別方法，包括寄生蟲蟲卵類別樣本、待識別圖像，還包括以下步驟：

S1，獲取來自寄生蟲蟲卵采集點的待識別圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；

S2，利用空間域梯度算子進行待識別圖像的邊緣檢測；

S3，在圖像變換域中，利用小波進行待識別圖像的邊緣檢測；