本发明专利技术公开了一种基于细胞核统计信息的病理图像局部特征提取方法，本方法首先针对病理图像提取细胞核得到的细胞核图像，对每个细胞核计算其周长、面积、长径、短径、平均灰度，另外对该细胞核的一个圆形邻域计算细胞核数量、平均细胞核距离、平均细胞核周长、平均细胞核面积、平均细胞核长径、平均细胞核短径、平均细胞核平均灰度，将这些属性连接成向量构成该细胞核的局部特征，对图像中所有细胞核计算得到整幅病理图像的局部特征，该特征充分利用病理图像中细胞核的形态和分布特性。本发明专利技术可应用于数字病理图像细胞核形态与分布特征的描述，对于准确进行病理图像检索、分类以及计算机辅助诊断有着重要意义，具有广阔的市场前景和应用价值。
【技术实现步骤摘要】
本专利技术属于数字图像处理领域，特别涉及图像形态学计算的数字图像处理技术， 具体为。
技术介绍
数字病理图像是将传统的玻璃病理切片通过全自动显微镜或光学放大系统扫描 采集得到高分辨数字图像，是病理医生在诊断时的重要依据。近年来，随着病理学和计算机 技术的发展，数字病理图像的数量迅速增长，全部人工处理需要病理医生花费大量时间，为 了提升病理图像处理效率，从数字病理图像提取合适特征并进行检索、分类等计算机辅助 诊断应用成为病理界的一个主要研宄方向。 针对病理图像特征选择，国内外学者进行了广泛的研宄，使用的特征包括颜色直 方图、尺度不变特征转换（Scale Invariant Feature Transform, SIFT)、方向梯度直方图 (Histogram of Gradient, HOG)、局部二值模式（Local Binary Patterns, LBP)等，但是检 索、分类效果欠佳，主要因为这些特征是针对自然场景图像提出的，而数字病理图像不同于 自然场景图像，具有尺寸巨大、纹理丰富、边缘模糊等特点以及细胞等独特结构，其中细胞 核的形态与分布经常成为病理医生的重要诊断依据。因此，针对病理图像设计一种能反映 细胞核形态和分布规律的特征对计算机辅助病理诊断具有重要意义。
技术实现思路
针对上述技术问题，本专利技术提供一种基于细胞核统计信息的病理图像局部特征提 取方法，本方法对象是细胞核图像，是病理图像经过细胞核分割处理后细胞核部分被标记 的图像，本方法将图像中每个细胞核区域作为一个特征基元，能准确反映病理图像中每个 细胞核及其邻域内其他细胞核的形态和分布情况，从而克服了传统特征无法描述病理图像 细胞核自身结构及其邻域性质的不足，能作为病理图像描述子用于病理图像的检索、分类 问题并有效提升正确率。 为达到上述目的，本专利技术所提出的实际问题为：一种基于细胞核统计信息的病理 图像局部特征提取方法，其特征在于，包括以下具体步骤： 步骤一、对输入的细胞核图像识别每个独立细胞核并编号； 步骤二、对某个细胞核A，计算其周长、面积、长径、短径、平均灰度； 步骤三、计算A的邻域，统计邻域内所有细胞核的数量、平均相互距离以及步骤二 中属性的平均值； 步骤四、将步骤二和步骤三中计算得到的属性作为分量，组成向量即为A的局部 特征； 步骤五、对图像中每个细胞核重复步骤二至四，提取局部特征，得到整张病理图像 的局部特征。 采用上述技术方案，本专利技术所述的基于细胞核统计信息的病理图像局部特征提取 方法，能提取基于细胞核统计信息的病理图像局部特征，充分利用病理图像中细胞核的形 态和分布特性，改善传统图像特征无法体现病理图像特点的不足，更加适用于病理图像；特 征提取点锁定为细胞核结构，与病理医生诊断兴趣点相符；对细胞核本体属性的提取，反映 细胞核的形态特征；对细胞核邻域内其他细胞核统计，体现细胞核的局部分布特征；本发 明所提特征在后续病理图像检索、识别中能取得良好的结果。【附图说明】 图1为病理图像细胞核提取效果示意，其中（a)是原始病理图像，（b)为细胞核图 像，黑色部分是提取后的细胞核区域； 图2为基于细胞核的统计信息的病理图像局部特征提取流程图； 图3为细胞核长径与短径示意，其中（a)表示长径R，（b)表示短径r ; 图4为细胞核邻域示意，图中圆形区域即为细胞核A的邻域； 图5为本专利技术具体实施例1病理图像细胞核提取效果示意，其中（a)是原始病理 图像，（b)为细胞核图像，黑色部分是提取后的细胞核区域； 图6为本专利技术具体实施例1对每个细胞核编号示意； 图7为本专利技术具体实施例1病理图像细胞核邻域示意。【具体实施方式】 为了更好地理解本专利技术的技术方案，下面结合附图及【具体实施方式】详细介绍本发 明。 本专利技术所述的基于细胞核统计信息的病理图像局部特征提取方法，包括以下具体 步骤： 步骤一、对输入的细胞核图像识别每个独立细胞核并编号； 步骤二、对某个细胞核A，计算其周长、面积、长径、短径、平均灰度； 步骤三、计算A的邻域，统计邻域内所有细胞核的数量、平均相互距离以及步骤二 中属性的平均值； 步骤四、将步骤二和步骤三中计算得到的属性作为分量，组成向量即为A的局部 特征； 步骤五、对图像中每个细胞核重复步骤二至四，提取局部特征，得到整张病理图像 的局部特征。 具体的：本专利技术的输入为图I (a)所示病理图像提取细胞核得到的细胞核图像图 I (b)，具体实现流程如图2所示，各部分具体实施细节如下： 步骤1 :对输入的细胞核图像识别每个独立细胞核并编号，同时记录每个细胞核 的位置； 细胞核是数字病理图像中的一种特有典型结构，细胞核的形态与分布是病理医生 进行诊断时的重要依据，也是专利技术特征提取的单元。本步骤的主要任务是记录图像中的所 有细胞核，每个细胞核会视作一个特征点，其位置为细胞核的形心。 步骤2 :对某个细胞核A，计算其周长、面积、长径、短径、平均灰度； 针对步骤1中获取的某个细胞核A，分别计算以下属性： (1)计算细胞核A的轮廓周长C1和面积S i，方法为统计A的边缘像素数和全体像 素数，周长和面积反映细胞核的大小和形状特性； (2)计算细胞核A的长径R1和短径r i，记A在某直线的投影长度为L，旋转A -周， 过程中L的最大值即为A的长径R1, L的最小值即为A的短径Γι，如图3所示，长径和短径 反映了细胞核接近圆形的程度； (3)计算细胞核A的平均灰度G1，公式如下：【主权项】1. ，其特征在于，包括以下步 骤： 步骤1:对输入的细胞核图像识别每个独立细胞核并编号； 步骤2:对某个细胞核A，计算其周长、面积、长径、短径、平均灰度； 步骤3:计算A的邻域，统计邻域内所有细胞核的分布密度、平均相互距离以及步骤2 中属性的平均值； 步骤4:将步骤2和步骤3中计算得到的属性作为分量，组成向量即为A的局部特征； 步骤5:对图像中每个细胞核重复步骤2至4,提取局部特征，得到整张病理图像的局部 特征。2. 根据权利要求1所述的，其 特征在于：所述步骤2对某个细胞核A，计算其周长、面积、长径、短径、平均灰度，其方法是 采用公式：其中G1表示细胞核A的平均灰度，m表示A中像素个数，P i表示灰度化后A中每个像 素的灰度。3. 根据权利要求1所述的，其 特征在于：所述步骤3计算A的邻域，统计邻域内所有细胞核的数量、平均相互距离以及步 骤（2)中属性的平均值，其方法是采用公式其中dm表示细胞核A的邻域圆半径，η表示整幅病理图像中细胞核数量，d i表示某个细 胞核与其他细胞核的最近距离，Dm表示邻域内平均相互距离，N表示邻域内细胞核数量，D u 表示邻域内第i个细胞核和第j个细胞核之间的距离，CmXi*别表示邻域内细胞核周长平 均值和第i个细胞核周长，Sm、Si分别表示邻域内细胞核面积平均值和第i个细胞核面积， Rm、Ri分别表示邻域内细胞核长径平均值和第i个细胞核长径，rm、 ri分别表示邻域内细胞 核短径平均值和第i个细胞核短径，Gm、Gi分别表示邻域内细胞核平均灰度的平均值和第i 个细胞核平均灰度，Gi的计算和步骤2中G ^十算方法一致。4.根据权利要求1所述的一种基于通道增益系数加权的图像色偏校正方法，其特征在 于：所述步骤本文档来自技高网...
【技术保护点】
一种基于细胞核统计信息的病理图像局部特征提取方法，其特征在于,包括以下步骤：步骤1:对输入的细胞核图像识别每个独立细胞核并编号；步骤2:对某个细胞核A，计算其周长、面积、长径、短径、平均灰度；步骤3:计算A的邻域，统计邻域内所有细胞核的分布密度、平均相互距离以及步骤2中属性的平均值；步骤4:将步骤2和步骤3中计算得到的属性作为分量，组成向量即为A的局部特征；步骤5:对图像中每个细胞核重复步骤2至4，提取局部特征，得到整张病理图像的局部特征。
【技术特征摘要】
【专利技术属性】
技术研发人员：姜志国，麻义兵，郑钰山，史骏，
申请(专利权)人：麦克奥迪厦门医疗诊断系统有限公司，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。