基于序列切片的显微镜图像采集方法技术

本发明专利技术公开了一种基于序列切片的显微镜图像采集方法。该方法包括获取序列切片样本及其导航图；采用图像处理与机器学习的方法对导航图中的序列切片样本进行识别标记；将序列切片样本置于显微镜中，将导航图中任一像素点导航定位至显微镜视场中心；在低分辨率视场下定位序列切片样本，进行样本采集参数的装订；基于样本采集参数的装订，记录高分辨率采集区域的中心点与样本模板匹配后的中心点之间的相对位置关系；结合样本采集参数及相对位置关系，进行样本点的图像连续采集。通过该技术方案解决了如何高效地完成感兴趣样本区域图像的自动采集的技术问题，实现了大规模序列样本在带有自动控制接口的显微镜(电子或光学)下连续区域的自动化成像。

【技术实现步骤摘要】

本专利技术实施例涉及成像
，具体涉及一种基于序列切片的显微镜图像采集方法。
技术介绍
超薄序列切片三维成像技术，是指将生物组织切分成超薄序列断面或切片，并使用电子显微镜对其逐一成像的技术；按照不同的切分技术主要分为序列断面成像和序列切片成像两种：(1)序列断面成像方式是切片和成像结合在电镜样品腔内完成，该类方法在横向和纵向上分辨率接近，具备各向同性，而缺点在于损毁性切片方式，一旦发现数据出现缺陷，将无法修复，不利于大规模重建工作的开展；(2)序列切片成像方式将样品使用超薄切片装置切分成序列切片，用亲疏水性适合的基片收集后放入电镜内对序列切片成像。序列切片可以通过自动收片机自动收集或者是人工手动收集；自动收集技术正在不断发展，自动收片具有收片密度均匀、节省人力等优点；但存在收片质量不稳定、样本切片空间利用率低等缺点。目前，绝大多数的切片是靠手动收取并放置在载物座上的，手工收片具有速度快、方案灵活且收片技术成熟的优点；但手工收片也有切片分布密度大、收片方位角度不一致的缺点，如图1所示。目前针对序列切片的显微镜图像自动采集是一项需要解决的难题。有鉴于此，特提出本专利技术。
技术实现思路
本专利技术实施例提供一种基于序列切片的显微镜图像采集方法，以解决如何高效地完成感兴趣样本区域图像的自动采集的技术问题。为了实现上述目的，提供了以下技术方案：一种基于序列切片的显微镜图像采集方法，其特征在于，所述方法包括：获取序列切片样本及其导航图；采用图像处理与机器学习的方法对所述导航图中的所述序列切片样本进行识别标记；将所述序列切片样本置于所述显微镜中，建立导航图-显微镜实际采样空间坐标的坐标转换矩阵，将所述导航图中任一像素点导航定位至显微镜视场中心；在低分辨率视场下定位所述序列切片样本，进行样本采集参数的装订；基于所述样本采集参数的装订，记录高分辨率采集区域的中心点与样本模板匹配后的中心点之间的相对位置关系；结合所述样本采集参数及所述相对位置关系，进行样本点的图像连续采集。优选地，所述采用图像处理与机器学习的方法对所述导航图中的所述序列切片样本进行识别标记，具体包括：采用Mean-Shift算法对所述导航图进行分割，得到前景样本目标区域与背景区域；计算所述前景样本目标区域与所述背景区域边缘轮廓的最小外接矩形；将所述前景样本目标区域与所述背景区域边缘轮廓的所述最小外接矩形与样本模板的最小外接矩形进行比对，剔除宽长比和面积大小相差过大的前景样本目标区域与背景区域；确定如下激励函数：其中，所述y表示所述激励函数；所述Si表示滑动窗口区域特征值的欧式距离，所述Si＝‖(μi,σi)-(μ1，σ1)‖；所述Bi表示样本特征值的欧式距离，所述Bi＝‖(μi,σi)-(μ2，σ2)‖；所述μ1表示样本目标区域的均值；所述σ1表示所述样本目标区域的方差；所述μ2表示非样本背景区域的均值；所述σ2表示非样本背景区域的方差；所述μi表示滑动窗口区域内的均值；所述σi表示所述滑动窗口区域内的方差；W表示权值；对所述激励函数的结果进行阈值分割，确定所述导航图中正样本的位置；以所述导航图中正样本的位置为中心点对所述导航图进行截取，得到训练集正样本，并且采集所述导航图中正样本位置周围不包含切片的区域的图像，得到训练集负样本；归一化所述训练集正样本和所述训练集负样本，并提取HOG特征；利用SVM分类器对所述导航图进行检测，得到样本切片位置；将剔除操作得到的最小外接矩形与所述样本切片位置进行融合，实现对所述序列切片样本的识别标记。优选地，所述采集所述导航图中正样本位置周围不包含切片的区域的图像，得到训练集负样本，具体包括：对所述导航图中正样本位置周围不包含切片的区域的图像进行旋转、叠加随机噪声、模糊及伽马变换，得到训练集负样本。优选地，所述将所述序列切片样本置于所述显微镜中，建立导航图-显微镜实际采样空间坐标的坐标转换矩阵，将所述导航图中任一像素点导航定位至显微镜视场中心，具体包括：选取所述导航图中任意不在同一直线上的三个点，并记录所述三个点在所述导航图中的像素坐标位置；确定所述三个点在成像中心时的显微镜载物台的位置；基于所述三个点在所述导航图中的所述像素坐标位置和所述三个点在成像中心时的显微镜载物台的所述位置，根据空间坐标仿射变换方法，建立导航图-显微镜实际采样空间坐标的坐标转换矩阵；利用坐标转换矩阵，将所述导航图中任一像素点投影至显微镜视场中的对应位置，从而将所述导航图任一像素点导航定位至所述显微镜视场中心。优选地，所述在低分辨率视场下定位所述序列切片样本，进行样本采集参数的装订，具体包括：设置高分辨率下清晰成像参数，并将低分辨率下清晰成像图像经高斯模糊之后，作为样本模板，并基于低分辨率下清晰成像参数和所述样本模板建立样本数据库；依次将所述显微镜导航对应于样本点上，并结合所述样本数据库，进行样本采集参数的装订。优选地，所述依次将所述显微镜导航对应于样本点上，并结合所述样本数据库，进行样本采集参数的装订，具体包括：确定多尺度多角度模板匹配中心点位置，并将其存入样本数据库；将所述显微镜视场中心移动至所述序列切片样本在显微镜坐标系的位置，并快速扫描成像图像,并对所述扫描成像图像使用三分点的牛顿二插法逼近图像质量的局部最优值，得到当前参数附近的清晰成像参数；基于所述样本数据库，对所述清晰成像参数进行参数装订。优选地，所述确定多尺度多角度模板匹配中心点位置具体包括：计算所述样本模板和待搜索扫描图像的图像金字塔；设定旋转角度范围、粗略角度及其区间和精细角度及其区间；将所述待搜索扫描图像旋转所述粗略角度和所述精细角度，并针对图像金字塔顶层，对旋转后的图像与所述样本模板进行归一化互相关运算，确定匹配最佳点；以上一层的匹配最佳点对应的本层的点为中心的一子区域，对旋转后的图像与样本模板进行归一化互相关运算，将图像金字塔最底层的匹配最佳点确定为所述多尺度多角度模板匹配中心点位置。优选地，所述得到当前参数附近的清晰成像参数具体包括：采用离散化高斯卷积核对所述扫描成像图像进行卷积，得到输出图像；对所述输出图像进行高斯差分运算；将均值卷积核与高斯差分运算结果进行卷积，得到卷积结果；对所述卷积结果进行阈值截断，得到截断结果；基于所述截断结果根据以下公式计算图像质量的评估值：其中，所述Value表示所述图像质量的评估值；所述Imgth表示所述截断结果；所述Sum(Imgth)表示截断结果像素总和；所述W(Imgth)表示所述截断结果的宽度；所述H(Imgth)表示所述截断结果的高度；将所述图像质量的评估值作为当前扫描参数下的清晰度相对计算值，并采用局部最优化算法逐步逼近局部最优值，得到当前参数附近的所述清晰成像参数。优选地，所述结合所述样本采集参数及所述相对位置关系，进行样本点的图像连续采集，具体包括：读取样本采集参数；将所述显微镜视场中心移动到需要进行高分辨率成像的位置，并设置扫描偏转角；调整成像参数；通过仿射变换矩阵将多区域采集点反算至显微镜实际坐标系；将所述显微镜视场中心移动至所述显微镜实际坐标系逐点扫描预设的高分辨率图像，完成样本点多区域的图像采集；基于各所述样本点多区域的图像采集，输出连续样本图像。与现有技术相比，上述技术方案可以具有以下有益效果：本专利技术实施例提供本文档来自技高网...

【技术保护点】
一种基于序列切片的显微镜图像采集方法，其特征在于，所述方法包括：获取序列切片样本及其导航图；采用图像处理与机器学习的方法对所述导航图中的所述序列切片样本进行识别标记；将所述序列切片样本置于所述显微镜中，建立导航图‑显微镜实际采样空间坐标的坐标转换矩阵，将所述导航图中任一像素点导航定位至显微镜视场中心；在低分辨率视场下定位所述序列切片样本，进行样本采集参数的装订；基于所述样本采集参数的装订，记录高分辨率采集区域的中心点与样本模板匹配后的中心点之间的相对位置关系；结合所述样本采集参数及所述相对位置关系，进行样本点的图像连续采集。

【技术特征摘要】
1.一种基于序列切片的显微镜图像采集方法，其特征在于，所述方法包括：获取序列切片样本及其导航图；采用图像处理与机器学习的方法对所述导航图中的所述序列切片样本进行识别标记；将所述序列切片样本置于所述显微镜中，建立导航图-显微镜实际采样空间坐标的坐标转换矩阵，将所述导航图中任一像素点导航定位至显微镜视场中心；在低分辨率视场下定位所述序列切片样本，进行样本采集参数的装订；基于所述样本采集参数的装订，记录高分辨率采集区域的中心点与样本模板匹配后的中心点之间的相对位置关系；结合所述样本采集参数及所述相对位置关系，进行样本点的图像连续采集。2.根据权利要求1所述的方法，其特征在于，所述采用图像处理与机器学习的方法对所述导航图中的所述序列切片样本进行识别标记，具体包括：采用Mean-Shift算法对所述导航图进行分割，得到前景样本目标区域与背景区域；计算所述前景样本目标区域与所述背景区域边缘轮廓的最小外接矩形；将所述前景样本目标区域与所述背景区域边缘轮廓的所述最小外接矩形与样本模板的最小外接矩形进行比对，剔除宽长比和面积大小相差过大的前景样本目标区域与背景区域；确定如下激励函数：y=e-(Si2W+Si2Bi2)]]>其中，所述y表示所述激励函数；所述Si表示滑动窗口区域特征值的欧式距离，所述Si＝‖(μi,σi)-(μ1，σ1)‖；所述Bi表示样本特征值的欧式距离，所述Bi＝‖(μi,σi)-(μ2，σ2)‖；所述μ1表示样本目标区域的均值；所述σ1表示所述样本目标区域的方差；所述μ2表示非样本背景区域的均值；所述σ2表示非样本背景区域的方差；所述μi表示滑动窗口区域内的均值；所述σi表示所述滑动窗口区域内的方差；W表示权值；对所述激励函数的结果进行阈值分割，确定所述导航图中正样本的位置；以所述导航图中正样本的位置为中心点对所述导航图进行截取，得到训练集正样本，并且采集所述导航图中正样本位置周围不包含切片的区域的图像，得到训练集负样本；归一化所述训练集正样本和所述训练集负样本，并提取HOG特征；利用SVM分类器对所述导航图进行检测，得到样本切片位置；将剔除操作得到的最小外接矩形与所述样本切片位置进行融合，实现对所述序列切片样本的识别标记。3.根据权利要求2所述的方法，其特征在于，所述采集所述导航图中正样本位置周围不包含切片的区域的图像，得到训练集负样本，具体包括：对所述导航图中正样本位置周围不包含切片的区域的图像进行旋转、叠加随机噪声、模糊及伽马变换，得到训练集负样本。4.根据权利要求1所述的方法，其特征在于，所述将所述序列切片样本置于所述显微镜中，建立导航图-显微镜实际采样空间坐标的坐标转换矩阵，将所述导航图中任一像素点导航定位至显微镜视场中心，具体包括：选取所述导航图中任意不在同一直线上的三个点，并记录所述三个点在所述导航图中的像素坐标位置；确定所述三个点在成像中心时的显微镜载物台的位置；基于所述三个点在所述导航图中的所述像素坐标位置和所述三个点在成像中心时的显微镜载物台的所述位置，根据空间坐标仿射变换方法，建立导航图-显微镜实际采样空间坐标的坐标转换矩阵；利用所述...

【专利技术属性】
技术研发人员：李国庆，马宏图，韩华，魏利新，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11