[發(fā)明專利]一種基于邊緣搜索MRF模型的宮頸細(xì)胞圖像分割方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010436754.7
• 申請(qǐng)日: 2020-05-21
• 公開（公告）號(hào): CN111815554A
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計(jì)）人: 趙理莉;胡彬;朱文杰
• 申請(qǐng)（專利權(quán)）人: 南通大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T7/13;G06T7/194
• 代理公司: 北京科家知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11427
• 代理人: 徐思波

1.一種基于邊緣搜索MRF模型的宮頸細(xì)胞圖像分割方法，其特征在于，包括如下步驟：

(1)針對(duì)單個(gè)宮頸細(xì)胞原始圖像進(jìn)行超像素劃分；

(2)將劃分后的圖像建模成一個(gè)超像素MRF無向概率圖模型，其中概率圖模型的結(jié)點(diǎn)元素是超像素，并且相鄰超像素之間的關(guān)系通過圖的鄰接表形式來表示；

(3)提取每個(gè)超像素塊的多維特征，基于特征用無監(jiān)督算法對(duì)超像素進(jìn)行分類，以實(shí)現(xiàn)對(duì)圖像的初步分割，再用自動(dòng)標(biāo)簽映射機(jī)制來確定核、質(zhì)和背景區(qū)域所對(duì)應(yīng)的正確語義標(biāo)簽；

(4)用邊緣搜索MRF求解算法對(duì)初步分割結(jié)果進(jìn)一步求精以實(shí)現(xiàn)對(duì)細(xì)胞圖像的精確分割。

2.根據(jù)權(quán)利要求1所述的基于邊緣搜索MRF模型的宮頸細(xì)胞圖像分割方法，其特征在于，步驟(1)的具體步驟為：

(1-1)使用非中值濾波技術(shù)弱化圖像噪聲，減弱血細(xì)胞、炎癥雜質(zhì)和黏液等噪聲的干擾，去噪后的真實(shí)估計(jì)值為NL[v](i)＝∑_j∈Iw(i，j)v(j)，其中，w(i，j)取決于像素i和像素j的相似性，是v(j)像素j的灰度向量；

(1-2)根據(jù)像素的相似性將原始圖像中的像素點(diǎn)進(jìn)行無監(jiān)督分類，先初始化k個(gè)聚類中心C_i＝[l_i，a_i，b_i，x_i，y_i，]，每個(gè)聚類中心的搜索區(qū)域限定于其所在位置2S×2S區(qū)域內(nèi)，其中k是超像素?cái)?shù)目，[l_i，a_i，b_i]是像素點(diǎn)i的顏色向量，[x_i，y_i]是像素點(diǎn)i的位置坐標(biāo)；

(1-3)根據(jù)聚類度量值D將每個(gè)像素點(diǎn)分配給其最近的聚類中心，其中S為最大空域距離，dc是顏色像素相似性，ds是位置相似性；(1-4)將圖像分成非重疊且不規(guī)則圖像區(qū)域小塊，這些區(qū)域塊被用于替代不重疊且規(guī)則的柵格狀像素塊。

3.根據(jù)權(quán)利要求1所述的基于邊緣搜索MRF模型的宮頸細(xì)胞圖像分割方法，其特征在于，步驟(2)的具體步驟為：

(2-1)定義像素塊pi的鄰域集為{p_i1，...，p_ij，...，p_iw}，其中w為pi的鄰居數(shù)，j為p_i的鄰居編號(hào)，一般標(biāo)號(hào)從像素i的左上角開始，按順時(shí)針方向排列；

(2-2)根據(jù)鄰域系統(tǒng)，計(jì)算Gibbs能量，能量函數(shù)為U(F)＝∑_i∈C1V₁(p_i)+∑_i，j∈C2V₂(p_i，p_j)+∑_i，j，k∈C₃V₃(p_i，p_j，p_k)；

(2-3)基于貝葉斯準(zhǔn)則，計(jì)算最大后驗(yàn)概率x^*＝argmaxp(y|x)p(x)。

4.根據(jù)權(quán)利要求1所述的基于邊緣搜索MRF模型的宮頸細(xì)胞圖像分割方法，其特征在于，步驟(3)的具體步驟為：

(3-1)從RGB色彩空間，三個(gè)通道抽取出超像素的均值和中值亮度作為特征；

(3-2)從CIELAB色彩空間，三個(gè)通道抽取出超像素的均值和中值亮度作為特征；

(3-3)計(jì)算像素塊面積與最小包圍矩形面積的比率，作為超像素形變特征。

5.根據(jù)權(quán)利要求1所述的基于邊緣搜索MRF模型的宮頸細(xì)胞圖像分割方法，其特征在于，步驟(3)中，用自動(dòng)標(biāo)簽映射機(jī)制來確定核、質(zhì)和背景區(qū)域所對(duì)應(yīng)的正確語義標(biāo)簽的步驟為：根據(jù)每個(gè)圖像區(qū)域的類別的聚類中心來判斷區(qū)域標(biāo)簽，細(xì)胞核是顏色最深區(qū)域，背景是顏色最淺的區(qū)域，余下的區(qū)域即細(xì)胞質(zhì)。

6.根據(jù)權(quán)利要求1所述的基于邊緣搜索MRF模型的宮頸細(xì)胞圖像分割方法，其特征在于，步驟(4)的具體步驟為：

(4-1)先以邊緣線上的像素點(diǎn)為中心畫正方形，再將所有正方形組成一個(gè)搜索帶，與搜索帶相交的超像素列入候選超像素集合；

(4-2)根據(jù)圖像中的邊緣，找出邊緣附近的元素，僅計(jì)算這些邊緣候選元素的能量函數(shù)以減少冗余計(jì)算。