[發(fā)明專利]一種基于圖像處理技術的顯微圖像炭疽孢子密度計算方法

有效

• 申請?zhí)枺?/td>: 202010069704.X
• 申請日: 2020-01-21
• 公開（公告）號: CN111292347B
• 公開（公告）日: 2022-03-01
• 發(fā)明（設計）人: 趙瑤池;胡祝華
• 申請（專利權）人: 海南大學
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T7/187;G06M11/02
• 代理公司: 北京律譜知識產(chǎn)權代理有限公司 11457
• 代理人: 孫紅穎

1.一種基于圖像處理技術的顯微圖像炭疽孢子密度計算方法，包括以下步驟：

步驟1，對一幅炭疽孢子圖像進行標注，然后采用Expectation-maximization算法對炭疽孢子的灰度分布構建混合高斯模型；

步驟2，采用基于高斯分離度的自適應Otsu方法分割炭疽孢子圖像；

步驟3，對分割后的圖像采用濾波處理，包括形態(tài)學開濾波、閉濾波、形狀濾波和面積濾波；

步驟4，對濾波的結果圖像提取邊緣輪廓；

步驟5，計算炭疽孢子原圖像中各個像素灰度值隸屬于步驟1中得到的混合高斯模型的概率，作為相似度GS(t)，t為灰度級；

步驟6，根據(jù)步驟5得到的相似度GS(t)，計算基于符號對數(shù)相似度的邊緣停止函數(shù)g_SLGS，其計算過程如下：

步驟6.1，采用公式(3)將相似度GS(t)變換到對數(shù)空間并得到基于對數(shù)相似度的邊緣停止函數(shù)g_LGS；

g_LGS(I(x,y))＝1/(1+logGS(I(x,y))) (3)

其中，I(x,y)為圖像中(x,y)處的灰度級別，log為取對數(shù)運算；

步驟6.2，將g_LGS變換到[-a，+a]空間，得到基于符號對數(shù)相似度的邊緣停止函數(shù)g_SLGS，如公式(4)所示：

g_SLGS(I(x,y))＝-1+2a*(g_LGS(I(x,y))-g_{LGS_Min})/(g_{LGS_Max}-g_{LGS_Min}) (4)

其中a為一正整數(shù)，g_{LGS_Max}和g_{LGS_Min}分別為g_LGS的最大值和最小值；

步驟7，將步驟6中得到的基于符號對數(shù)相似度的邊緣停止函數(shù)g_SLGS代入公式(5)所示的水平集演化方法，演化步驟4中得到的目標輪廓，從而獲得精確的炭疽孢子輪廓；

其中div表示散度算子，表示梯度算子，d_p為距離約束函數(shù)，φ為輪廓的水平集函數(shù)，δ(φ)為狄利克雷函數(shù)，μ、λ和α為正常數(shù)；

步驟8，對步驟7的結果進行連通域統(tǒng)計，得到連通域的總面積和連通域的個數(shù)，從而得到炭疽孢子的面積以及炭疽孢子的個數(shù)。

2.根據(jù)權利要求1所述的基于圖像處理技術的顯微圖像炭疽孢子密度計算方法，其特征在于：其中步驟2具體包括以下步驟：

步驟2.1，根據(jù)目標亮度、背景亮度及各自復雜性確定閾值t_otsu偏移方向；

步驟2.2，計算得到圖像灰度空間的最小值t_min和最大值t_max，從而確定圖像的灰度空間[t_min，t_max]；

步驟2.3，在灰度空間[t_min，t_max]內，根據(jù)最大類間方差法得到閾值t_otsu；

步驟2.4，以t_otsu為閾值，將圖像像素分為目標類和背景類，并計算目標類和背景類的高斯分離度，高斯分離度的計算如公式(1)所示；

其中μ₀和μ₁分別為閾值分離后得到的背景和目標的均值，δ₀和δ₁分別為采用閾值分離后得到的背景和目標的方差；

步驟2.5，如果分離度大于或等于設定的負常數(shù)k，t_otsu是理想閾值，采用t_otsu進行圖像分割，否則根據(jù)步驟2.1中得到的閾值t_otsu偏移方向，調整灰度空間：如果t_otsu偏大，則調整灰度空間為[t_min，t_otsu]，如果t_otsu偏小，則調整灰度空間為[t_otsu，t_max]；

步驟2.6，在新的灰度空間根據(jù)最大類間方差法得到閾值t_cotsu；

步驟2.7，計算采用t_cotsu作為閾值得到的目標類和背景類的高斯分離度；

步驟2.8，如果分離度大于或等于設定的負常數(shù)k，采用t_cotsu進行圖像分割，否則根據(jù)步驟2.1得到的閾值t_otsu偏移方向，繼續(xù)調整灰度空間：如果t_otsu偏大，則調整灰度空間為[t_min，t_cotsu]，如果t_otsu偏小，則調整灰度空間為[t_cotsu，t_max]，；

步驟2.9在新的灰度的空間內采用最大類間方差法計算得到閾值t_ccotsu；

步驟2.10，以t_ccotsu為閾值，分割圖像。