[發明專利]一種宮頸脫落細胞核圖像識別方法

在審

• 申請號: 201810555507.1
• 申請日: 2018-06-01
• 公開（公告）號: CN109033936A
• 公開（公告）日: 2018-12-18
• 發明（設計）人: 李慶華;夏啟凱;王喆
• 申請（專利權）人: 齊魯工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 張貴賓

1.一種宮頸脫落細胞核圖像識別方法，其特征在于，包括以下步驟：

步驟1：輸入宮頸脫落細胞核的訓練及測試樣本圖像，將大部分樣本選作訓練集，小部分選作測試集；

步驟2：對宮頸脫落細胞核樣本圖像進行預處理；

步驟3：對宮頸脫落細胞核進行特征提取并對該樣本圖像進行歸一化和標識；

步驟4：利用加權求和的方法構建混合核函數SVM分類器；

步驟5：利用大網格結合QPSO算法在搜索區域進行尋優，尋找最優的區域；

步驟6：利用中網格結合QPSO算法在最優的區域進行尋優，縮小最優區域；

步驟7：利用小網格結合QPSO算法在尋優后的區域進行尋優，尋找最優的混合核函數參數，建立最優的SVM分類器；

步驟8：利用優化后的新的SVM分類器完成對測試集宮頸脫落細胞核的識別分類。

2.根據權利要求1所述宮頸脫落細胞核圖像識別方法，其特征在于：步驟1具體包括：獲取大量的宮頸脫落細胞核樣本，將獲取的宮頸脫落細胞核分成兩個部分，80%的宮頸脫落細胞核樣本作為訓練集，用于訓練SVM分類器，20%的宮頸脫落細胞核樣本作為測試集，用于測試構建的SVM分類器的訓練效果和精度。

3.根據權利要求1所述宮頸脫落細胞核圖像識別方法，其特征在于：步驟2具體包括：對圖像進行降噪處理、細胞分割、歸一化處理并標識，具體實現如下：

1）降噪處理方法是采用面積為3*3的模板進行高斯濾波方法實現：對整幅細胞核圖像進行加權平均處理，用面積3*3的模板掃描每一個像素，用模板確定的鄰域內像素的加權平均灰度值替代模板中心像素點的值，公式如下：

，

其中為點坐標，在圖像處理中可認為是整數；是標準差；

2）細胞核分割處理，采用Otsu閾值分割算法和分水嶺分割算法對細胞核進行分割；

a）Otsu法根據閾值把直方圖分割成目標和背景兩組代表閾值為時的類間方差，，分別為組產生的概率和均值，為整體圖像的均值，兩組間的類間差如下式：

，其中最優閾值；

b）分水嶺分割算法計算分兩個步驟，一個是排序過程，一個是淹沒過程；

首先對每個像素的灰度級進行從低到高排序，然后在從低到高實現淹沒過程中，對每一個局部極小值在h階高度的影響域采用先進先出結構進行判斷及標注；

分水嶺表示輸入圖像極大值點，為得到圖像的邊緣信息，通常把梯度圖作為輸入圖像，即

，

式中，表示原始圖像，表示梯度運算；

c）為降低分水嶺算法產生的過度分割，對梯度圖像進行閾值處理，消除灰度的微小變化產生的過度分割，即：式中，表示閾值。

4.根據權利要求1所述宮頸脫落細胞核圖像識別方法，其特征在于：步驟3具體包括：對細胞核的表型特征和光學特征進行提取，計算特征向量；提取細胞核的表型特征包括細胞核的面積、周長、軸長、偏心率、質心等參數，細胞核的光學特征包括細胞核的光學密度方差、光學密度峰度、光強、最大光學密度等參數，計算這些特征的參數值，對這些特征參數進行Z-score歸一化處理，避免訓練得到的模型權重過小，引起數值計算不穩定，使參數優化時能以較快的速度收斂，如公式：

代表某一個具體分數，代表平均數，代表標準差；

對應樣本圖像的類別，進行標識。

5.根據權利要求1所述宮頸脫落細胞核圖像識別方法，其特征在于：步驟4具體包括：選用基于徑向的核函數RBF和多項式核函數POLY來構建混合核函數，POLY是全局性核函數，具有泛化能力強，學習能力弱的特點，RBF是局部性核函數，具有泛化能力弱，學習能力強的特點，故將全局性核函數POLY和局部性核函數RBF線性加權疊加構建新的核函數，提高核函數的泛化能力和學習能力，構建的混合核函數SVM模型為：

為混合權重系數，為懲罰因子，和是兩個相近的向量，是多項式核函數參數，是徑向基函數參數。