[發明專利]一種基于隨機森林的熒光結核桿菌檢測方法

有效

• 申請號: 202110005729.8
• 申請日: 2021-01-05
• 公開（公告）號: CN112767321B
• 公開（公告）日: 2023-02-17
• 發明（設計）人: 李曄;劉洪英;王磊;嚴斯能;莊泉潔
• 申請（專利權）人: 華東師范大學;上海瀾澈生物科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06T7/187;G06V10/28;G06V10/764;G06N20/00
• 代理公司: 上海藍迪專利商標事務所(普通合伙) 31215
• 代理人: 徐筱梅;張翔

本發明公開一種基于隨機森林的熒光結核桿菌檢測方法，所述方法包括以下步驟：分別運用高中低三種閾值，對熒光結核桿菌圖像進行自適應閾值分割，濾除圖像中的雜質，并對待檢測細菌進行篩選與二值分割；對分割好的單個二值連通域進行特征提取，提取待檢測細菌的多種幾何特征與顏色特征，生成描述特征的向量；通過特征向量訓練出能夠對待檢測細菌進行判斷的隨機森林；使用該隨機森林進行預測，在原圖中框出預測為結核桿菌的目標，用于熒光結核桿菌的輔助檢測。本發明相比于傳統的圖像分類方法，結果更為精確，分類過程更加自動化；相比于構建深度學習神經網絡進行檢測的方法，在保證檢測準確率的同時，大大降低了復雜度，提高了檢測效率。

技術領域

本發明屬于數字圖像處理技術與機器學習技術領域，尤其涉及一種基于隨機森林的熒光結核桿菌檢測方法。

背景技術

生物樣本的檢測與識別一直存在十分耗時且效率低下的問題。近年來，生物樣本的自動化識別與輔助檢測逐漸代替了原有的人工鏡檢。快速發展的高速網絡技術、圖像技術和計算機技術為顯微數字圖像的自動化識別提供了堅實的基礎，同時也對識別的精度與速度提出了要求。

由于熒光結核桿菌具有待檢測目標小、特征不明顯等特殊性質，在自動化檢測系統中，傳統的數字圖像處理方法局限于其固有模式，很難形式化地對目標所包含的特征進行分類，使得檢測的結果不夠精確。而運用深度學習構建神經網絡的方法則較為復雜，訓練與學習的過程十分耗時。

發明內容

本發明的目的在于提供一種基于隨機森林的熒光結核桿菌檢測方法，旨在解決現有技術中熒光結核桿菌檢測方法不夠精確、過程復雜且耗時的問題。

實現本發明目的的具體技術方案是：

一種基于隨機森林的熒光結核桿菌檢測方法，該方法包括以下步驟：

步驟1：針對熒光掃描圖像亮度與顏色分布不均的特點，采用高、中、低三種閾值對圖像進行自適應閾值分割，濾除圖像中殘留的染色液與光斑等雜質，并對待檢測細菌進行篩選與二值分割；

步驟2：針對熒光結核桿菌的病理特征，對分割好的單個二值連通域進行特征提取，提取幾何特征與顏色特征，具體為：面積、中軸長度、平均寬度、長寬比值、R通道顏色均值、G通道顏色均值和Hu矩，生成待檢測細菌的多維特征向量；

步驟3：運用收集到的特征向量，訓練隨機森林模型，生成的該隨機森林能夠判斷待檢測細菌是否為結核桿菌。

步驟4：使用訓練好的隨機森林進行預測，在原圖中框出預測為結核桿菌的目標，用于熒光結核桿菌的輔助檢測。

所述步驟1具體為：

將原圖轉化為灰度圖像；分別采用高、中、低三種不同的閾值，對同一幅圖像進行自適應閾值的分割，得到對應的三種二值圖像；刪除高閾值劃分的二值圖像中面積極小的雜質；計算各個連通域的最小斜外接矩形，刪除外接矩形長寬比接近1的光斑雜質；計算前景區域的最小正外接矩形，用其截取圖像的目標區域，刪除低閾值圖像中目標區域占滿整個正外接矩形的染色劑殘留背景；尋找圖片中的淺色連通域，若其尺寸符合細菌的大小，則保留該連通域；檢查圖像中是否有斷裂的區域，并對斷裂區域進行疊加補齊；將篩選后的結果疊加在一起，得到最終分割完成的二值圖像。

所述步驟2具體為：