视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法技术

本发明专利技术涉及检测方法技术领域，是一种视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法；本发明专利技术基于视觉显著性与SIFT特征的识别方法是对图像局部进行计算，仅考虑由显著图得到的疑似原头蚴区域，从SIFT特征提取节省了大量时间，在样本图像的SIFT特征向量的获得上，本发明专利技术采用k‑means算法对其进行聚类改变了SIFT特征向量存在高维的特征描述，解决了计算过于复杂，耗时过长等问题，提高了使用SIFT特征进行目标搜索的计算效率，显著区域内的SIFT特征更加稳定，改变了由人工计数造成的人为误差，人工计数时间较长，造成的工作效率低、工作量大的问题，同时也保证了识别的正确率。

【技术实现步骤摘要】
视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法
本专利技术涉及检测方法
，是一种视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法。
技术介绍
包虫病是由细粒棘球绦虫和多房棘球绦虫的幼虫引起的严重寄生虫病，其对人和动物都有影响，这种疾病在畜牧业普遍存在的地区最为常见。中国属于包虫病高发国家之一，包括新疆维吾尔自治区在内，部分地区仍然呈高流行趋势。目前在包虫病的防治过程中，包虫病药物治疗亟待规范药效评估，使药效评价和合理利用需要进一步完善，其中，体外判定包虫是否死亡对研发新型包虫药物和包虫病药物的药效评价和合理利用至关重要。伊红拒染法是体外判定细粒棘球蚴原头蚴死亡的常用方法，具有简单和经济、快速等优势，被体外筛选药物，研发新型肝包虫药物领域所常用。伊红拒染法使用的染色液是伊红染色液。利用染料拒染原理，即相关基于损伤的细胞膜，在非活的(死)细胞上的膜，允许非透过膜性染料可进入膜内染色；而活细胞的细胞膜能够抗拒染料进入，产生拒染现象，不着色。在显微镜下由伊红拒染法导出视频和图片后严格按照原头蚴存活于死亡计数标准来计算存活情况。虽然伊红拒染法简单和快速、经济等优势，但存在一定的缺点。如：人工计数存在人为误差，人工计数时间较长。因此开发智能识别伊红拒染法图像很有必要。虽然目前伊红拒染法图像智能识别算法未见报道，但是常规虫体识别领域有一些算法，例如，RemaM.等人研究出一种基于主动轮廓模型的人体寄生虫卵显微图像分割计数，有效实现了对复杂背景下虫卵图像的分割，陈碧黎等提出了一种基于形态学滤波方法的寄生虫虫卵图像混合分割算法，通过对形态学滤波的改进并结合凸包运算，对寄生虫卵图像进行了有效分割。高源等用了支持向量机作为分类器，对显微图像中的血吸虫虫卵的识别进行了研究，张正龙提出改进后的K近邻分类器对其进行识别分类。在近几年里，针对显微医学中寄生虫识别技术，国内外许多学者都做了大量的研究，但现有的方法存在识别处理过程中需要人工干预的部分太多，提出的图像特征不能反映图像特点，使各种识别对象的特征值范围重叠较多等，导致效率低、工作量大和存在人为误差的问题。
技术实现思路
本专利技术提供了一种视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法，克服了上述现有技术之不足，其能有效解决现有方法存在识别处理过程中需要人工干预的部分太多，提出的图像特征不能反映图像特点，使各种识别对象的特征值范围重叠较多等，导致效率低、工作量大和存在人为误差的问题。本专利技术的技术方案是通过以下措施来实现的：一种视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法，按下述步骤进行：第一步，将待检测20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到待检测棘球绦虫原头蚴处理图像；第二步，对待检测棘球绦虫原头蚴处理图像提取颜色和亮度的虫体图像显著图；第三步，对颜色和亮度的虫体图像显著图进行线性加权生成总显著图；第四步，提取总显著图的显著区域，在显著区域中找到疑似虫体的中心点并切取所有疑似活虫体切片，在显著区域中将这些疑似目标区域标记出来，然后通过SIFT算法，提取活虫体切片的sift特征，生成对应的可疑区域的sift特征向量；第五步，将可疑区域的sift特征向量与棘球绦虫原头蚴活虫体图像数据图中聚类后的sift特征向量进行比对识别，如果比对识别的结果是活虫体，则标记为活虫体目标，如果比对识别的结果不是活虫体，则取消标记，最后将标记结果还原至待检测棘球绦虫原头蚴处理图像上并计数，得到棘球绦虫原头蚴存活率。下面是对上述专利技术技术方案的进一步优化或/和改进：上述棘球绦虫原头蚴活虫体图像数据图按下述步骤得到：第一步，取20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到棘球绦虫原头蚴处理图像；第二步，选取50幅至70幅棘球绦虫原头蚴处理图像中的活虫体图像和对应活虫体图像的背景图像建立数据库；第三步，通过SIFT算法提取数据库中活虫体图像和背景图像的sift特征向量；第四步，对sift特征向量通过k-means算法进行聚类，然后将聚类后的sift特征向量放入svm分类器中，得到棘球绦虫原头蚴活虫体图像数据图。本专利技术视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法对待检测的原头蚴图像进行识别，活原头蚴基本上落在被标记的图像区域内；基于视觉显著性与SIFT特征的识别方法是对图像局部进行计算，仅考虑由显著图得到的疑似原头蚴区域，从SIFT特征提取节省了大量时间，在样本图像的SIFT特征向量的获得上，本专利技术采用k-means算法对其进行聚类改变了SIFT特征向量存在高维的特征描述，解决了计算过于复杂，耗时过长等问题，提高了使用SIFT特征进行目标搜索的计算效率，显著区域内的SIFT特征更加稳定，改变了由人工计数造成的人为误差，人工计数时间较长，造成的工作效率低、工作量大的问题，同时也保证了识别的正确率。附图说明附图1为棘球绦虫原头蚴图像。附图2为棘球绦虫原头蚴图像通过现有方法得到的原ITTI显著图。附图3为棘球绦虫原头蚴图像经本专利技术处理后得到改进的ITTI显著图。附图4为棘球绦虫原头蚴图像通过本专利技术检测后的识别结果图。附图5为本专利技术视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法的的流程图。具体实施方式本专利技术不受下述实施例的限制，可根据本专利技术的技术方案与实际情况来确定具体的实施方式。实施例1，该视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法，按下述步骤进行：第一步，将待检测20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到待检测棘球绦虫原头蚴处理图像；第二步，对待检测棘球绦虫原头蚴处理图像提取颜色和亮度的虫体图像显著图；第三步，对颜色和亮度的虫体图像显著图进行线性加权生成总显著图；第四步，提取总显著图的显著区域，在显著区域中找到疑似虫体的中心点并切取所有疑似活虫体切片，在显著区域中将这些疑似目标区域标记出来，然后通过SIFT算法，提取活虫体切片的sift特征，生成对应的可疑区域的sift特征向量；第五步，将可疑区域的sift特征向量与棘球绦虫原头蚴活虫体图像数据图中聚类后的sift特征向量进行比对识别，如果比对识别的结果是活虫体，则标记为活虫体目标，如果比对识别的结果不是活虫体，则取消标记，最后将标记结果还原至待检测棘球绦虫原头蚴处理图像上并计数，得到棘球绦虫原头蚴存活率。本专利技术视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法的操作均可在计算机软件MatlabR2016a上进行。实施例2，作为上述实施例的优化，棘球绦虫原头蚴活虫体图像数据图按下述步骤得到：第一步，取20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到棘球绦虫原头蚴处理图像；第二步，选取50幅至70幅棘球绦虫原头蚴处理图像中的活虫体图像和对应活虫体图像的背景图像建立数据库；第三步，通过SIFT算法提取数据库中活虫体图像和背景图像的sift特征向量；第四步，对sift特征向量通过k-means算法进行聚类，然后将聚类后的sift特征向量放入svm分类器中，得到棘球绦虫原头蚴活虫体图像数据图。伊红拒染法处理、台盼蓝染色处理、SIFT算法和本文档来自技高网...

【技术保护点】
1.一种视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法，其特征在于按下述步骤进行：第一步，将待检测20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到待检测棘球绦虫原头蚴处理图像；第二步，对待检测棘球绦虫原头蚴处理图像提取颜色和亮度的虫体图像显著图；第三步，对颜色和亮度的虫体图像显著图进行线性加权生成总显著图；第四步，提取总显著图的显著区域，在显著区域中找到疑似虫体的中心点并切取所有疑似活虫体切片，在显著区域中将这些疑似目标区域标记出来，然后通过SIFT算法，提取活虫体切片的sift特征，生成对应的可疑区域的sift特征向量；第五步，将可疑区域的sift特征向量与棘球绦虫原头蚴活虫体图像数据图中聚类后的sift特征向量进行比对识别，如果比对识别的结果是活虫体，则标记为活虫体目标，如果比对识别的结果不是活虫体，则取消标记，最后将标记结果还原至待检测棘球绦虫原头蚴处理图像上并计数，得到棘球绦虫原头蚴存活率。

【技术特征摘要】
1.一种视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法，其特征在于按下述步骤进行：第一步，将待检测20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到待检测棘球绦虫原头蚴处理图像；第二步，对待检测棘球绦虫原头蚴处理图像提取颜色和亮度的虫体图像显著图；第三步，对颜色和亮度的虫体图像显著图进行线性加权生成总显著图；第四步，提取总显著图的显著区域，在显著区域中找到疑似虫体的中心点并切取所有疑似活虫体切片，在显著区域中将这些疑似目标区域标记出来，然后通过SIFT算法，提取活虫体切片的sift特征，生成对应的可疑区域的sift特征向量；第五步，将可疑区域的sift特征向量与棘球绦虫原头蚴活虫体图像数据图中聚类后的sift特征向量进行比对识别，如果比对识别的结果是活虫体，则标记...

【专利技术属性】
技术研发人员：吕国栋，吕小毅，李壮，林仁勇，刘辉，库尔班尼沙·阿马洪，
申请(专利权)人：新疆医科大学第一附属医院，
类型：发明
国别省市：新疆,65