本发明专利技术提供一种细胞图像识别方法及细胞图像识别装置，细胞图像识别方法中，其中所述细胞分为待测试细胞和多类训练细胞，细胞图像识别过程包括如下步骤：S1：对所述细胞图像预处理，具体包括对细胞图像灰度化处理、图像去噪声处理、图像灰度直方图均衡化处理、图像分割处理过程；S2：采用压缩感知技术对预处理后的所述细胞图像建立稀疏系数表示；S3：细胞识别，计算待识别细胞与每一类训练样本细胞的线性加权的差值 ，选择差值最小的一类训练样本的所属类别作为测试样本的类别。本发明专利技术通过采用压缩感知原理技术在细胞识别中的应用，减少了运算量，同时具有自适应能力，降低了外界因素的影响，提高了细胞图像的识别精确度与速度。
【技术实现步骤摘要】
本专利技术属于医学细胞图像处理领域，具体涉及一种细胞图像识别方法及细胞图像 识别装置。
技术介绍
细胞图像处理是医学影像领域的一个重要分支，临床细胞诊断是通过对人体病变 部位进行取样，并制作细胞涂片，医师在显微镜下观察细胞的形态、纹理等特征，并结合细 胞病理学知识，对疾病做出早期的诊断及预警。当前的细胞诊断主要依赖于医师的人工阅 片，因此，诊断结果的准确性和可靠性受到医师的临床经验、专业能力及医师的主观因素影 响，人工阅片的方法标准化推广程度低，识别判断效率低，而且当阅片的工作量增大，诊断 的误差也会随之增大。为了改善临床细胞的诊断技术，需要引入计算机自动\辅助诊断技 术，实现细胞识别技术的智能化、实时性，有效的避免了人工操作的主观因素影响，为癌变 前期的诊断提供了方便快捷、省时省力的可靠技术手段。 目前的细胞识别技术大致分为几个步骤：首先特征提取：从单细胞图像中提取反 应细胞本质特征的细胞图像特征；然后模型建立：通过特定细胞领域细胞病理学知识，采 用指定分类器对指定细胞样本进行训练，建立细胞识别分类模型；再进行模式识别：将采 集到的细胞测试样本，通过已经建立的识别分类器，对测试样本作出所属类别判断。这样的 方法使得在模型建立时数据计算量大，且在模式识别时进行比较的数据大，受外界因素的 干扰多，且无法进行达到自适应的效果，因此对识别结果产生不利的影响大。
技术实现思路
本专利技术旨在解决现有技术中存在的数据计算量大且无法自适应的问题。为此，本 专利技术提供了一种细胞图像识别方法及细胞图像识别装置，通过采用压缩感知原理技术的在 细胞识别中的应用，减少了运算量，同时具有自适应能力，降低了外界因素的影响，提高了 细胞图像的识别精确度与速度，可以智能化、快速准确的识别细胞图像类别，一致性好，标 准化推广程度高。 根据本专利技术第一方面提供的一种细胞图像识别方法，其中所述细胞分为待测试细 胞和多类训练细胞，细胞图像识别过程包括如下步骤：S1 :对所述细胞图像预处理，具体包 括对细胞图像灰度化处理、图像去噪声处理、图像灰度直方图均衡化处理、图像分割处理过 程；S2 :采用压缩感知技术对预处理后的所述细胞图像建立稀疏系数表示，此步骤包括以 下过程： S21 :首先对细胞图像按列提取构成细胞图像样本列向量； S22 :将数据库中的训练样本细胞图像构成的感知矩阵AGrXn作为压缩感知的 测量矩阵，其中m为样本特征维数，n为样本数量； S23 :根据压缩感知理论，对实时采集到的细胞图像样本yGRm，通过求解最优h 范数来构造稀疏系数x，求解方式为乓sargminlxl, s.t.Ax=y;S3 :细胞识别，计算待识别细胞与每一类训练样本细胞的线性加权的差值^ (y)， 选择差值最小的一类训练样本的所属类别作为测试样本的类别，具体计算公式为；【主权项】1. 一种细胞图像识别方法，其中所述细胞分为待测试细胞和多类训练细胞，细胞图像 识别过程包括如下步骤： 51 ;对所述细胞图像预处理，具体包括对细胞图像灰度化处理、图像去噪声处理、图像 灰度直方图均衡化处理、图像分割处理过程； 52 ;采用压缩感知技术对预处理后的所述细胞图像建立稀疏系数表示，此步骤包括W 下过程： 521 ;首先对细胞图像按列提取构成细胞图像样本列向量； 522 ;将数据库中的训练样本细胞图像构成的感知矩阵AGR-xn作为压缩感知的测量 矩阵，其中m为样本特征维数，n为样本数量； 523 ;根据压缩感知理论，对实时采集到的细胞图像样本yGr，通过求解最优li范数 来构造稀疏系数X，求解方式另53 ;细胞识别，计算待识别细胞与每一类训练样本细胞的线性加权的差值(y)，选择 差值最小的一类训练样本的所属类别作为测试样本的类别，具体计算公式为；式中，表示提取的待识别细胞稀疏系数X与第i类细胞 图像对应的系数。2. 如权利要求1所述的细胞图像识别方法，其特征在于步骤S23中，求解最优1 1范数 的采用正交匹配追踪算法（0M巧来实现，包括W下具体过程： 5231 ;定义长度为N的零向量S和残差向量IV初始残差向量ri等于测量值向量y; 5232 ;用感知矩阵A中的每一列元素与残差向量ri做内积运算，找出最大的内积绝对 值及其对应列的位置序号A1，同时找出它在感知矩阵A中对应的列元素并记为Am"i，将感 知矩阵A中的该列值置0,然后利用矩阵Vi保存此列元素值Vi= [Am"J; S233;定义矩阵Wi= ; 5234 ;计算残差向量r2,即残差向量r2=y-V爪。 5235 ;用获得的新的残差向量r2与感知矩阵A中的列元素做内积，通过计算得到感知 矩阵A中最大内积所对应的列并记为Am"2,更新矩阵Vl，得到矩阵V2,即V2= [Vl，AmaJ; 5236 ;重复过程S233、S234、S235,当完成m次迭代后，最后得到矩阵Wm; 5237 ;将矩阵Wm中的元素按照对应列的序号Am，放入向量X，即得到细胞图像特征的稀 疏系数X。3. -种细胞图像识别装置，包括细胞图像输入接收模块、细胞图像处理模块、细胞图像 识别模块，其中所述细胞图像输入接收模块接收细胞图像的输入并输出至所述细胞图像处 理模块，所述细胞图像处理模块采用如权利要求1中的步骤S1、S2对细胞图像进行处理W 获得细胞图的稀疏系数X，所述细胞图像处理模块与所述细胞图像识别模块连接并将所获 得细胞图像稀疏系数X输送至所述细胞图像识别模块，所述细胞图像识别模块按照权利要 求1中的步骤S3对输入的所述宫颈细胞图像进行类别识别。【专利摘要】本专利技术提供一种细胞图像识别方法及细胞图像识别装置，细胞图像识别方法中，其中所述细胞分为待测试细胞和多类训练细胞，细胞图像识别过程包括如下步骤：S1：对所述细胞图像预处理，具体包括对细胞图像灰度化处理、图像去噪声处理、图像灰度直方图均衡化处理、图像分割处理过程；S2：采用压缩感知技术对预处理后的所述细胞图像建立稀疏系数表示；S3：细胞识别，计算待识别细胞与每一类训练样本细胞的线性加权的差值 ，选择差值最小的一类训练样本的所属类别作为测试样本的类别。本专利技术通过采用压缩感知原理技术在细胞识别中的应用，减少了运算量，同时具有自适应能力，降低了外界因素的影响，提高了细胞图像的识别精确度与速度。【IPC分类】G06K9-62【公开号】CN104850860【申请号】CN201510269977【专利技术人】陈锦, 罗晓曙 【申请人】广西师范大学【公开日】2015年8月19日【申请日】2015年5月25日本文档来自技高网...
【技术保护点】
一种细胞图像识别方法，其中所述细胞分为待测试细胞和多类训练细胞，细胞图像识别过程包括如下步骤：S1：对所述细胞图像预处理，具体包括对细胞图像灰度化处理、图像去噪声处理、图像灰度直方图均衡化处理、图像分割处理过程；S2：采用压缩感知技术对预处理后的所述细胞图像建立稀疏系数表示，此步骤包括以下过程：S21：首先对细胞图像按列提取构成细胞图像样本列向量；S22：将数据库中的训练样本细胞图像构成的感知矩阵A∈Rm×n作为压缩感知的测量矩阵，其中m为样本特征维数，n为样本数量；S23：根据压缩感知理论，对实时采集到的细胞图像样本y∈Rm，通过求解最优l1范数来构造稀疏系数x，求解方式为S3：细胞识别，计算待识别细胞与每一类训练样本细胞的线性加权的差值ri(y)，选择差值最小的一类训练样本的所属类别作为测试样本的类别，具体计算公式为；式中，表示提取的待识别细胞稀疏系数x与第i类细胞图像对应的系数。
【技术特征摘要】
【专利技术属性】
技术研发人员：陈锦，罗晓曙，
申请(专利权)人：广西师范大学，
类型：发明
国别省市：广西;45
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。