一种基于FPGA的实时高光谱显微图像细胞分类方法技术

本发明专利技术公开了一种基于FPGA的实时高光谱显微图像细胞分类方法，属于生物医学图像领域。本发明专利技术的具体创新点在于基于FPGA来实现高光谱图像分类。采用的高光谱图像分类方法是基于协作表示的分类方法，简称CRC。通过对成像光谱仪采集到的细胞图像进行一系列处理，将图像数据输入到FPGA上，对细胞进行分类，得到数据结果，判断是否存在病变细胞。利用高光谱成像技术在生物医学上研究己经取得了一定的进展，但将此技术应用在FPGA上还很少。将此技术在FPGA上实现后，可以快速实时地对细胞图像进行处理分类，大大地提高细胞图像处理分类的效率。减少人工识别，可以降低误诊率，使医生可以在这方面得到一定的解放，也可以使病人对诊断结果更加放心。

A method of real time hyperspectral microscopic image cell classification based on FPGA

The invention discloses a method for classifying a real-time hyperspectral microscopic image cell based on FPGA, which belongs to the field of biomedical imaging. The specific innovation of the invention lies in realizing hyperspectral image classification based on FPGA. Hyperspectral image classification method is based on Collaborative representation classification method, referred to as CRC. A series of processing were carried out on the image collected by the imaging spectrometer, and the image data were input to the FPGA to classify the cells and obtain the data results to determine whether there were any pathological changes. Some advances have been made in biomedical research using hyperspectral imaging technology, but few of these techniques have been applied to FPGA. After the technique is implemented on FPGA, the cell image can be processed and classified rapidly and in real time, and the efficiency of the image processing and classification is greatly improved. The reduction of manual identification can reduce the rate of misdiagnosis, so that doctors can be given some freedom in this area, and can also make patients more confident about the diagnosis.

【技术实现步骤摘要】
一种基于FPGA的实时高光谱显微图像细胞分类方法
本专利技术涉及一种基于FPGA的实时高光谱显微图像细胞分类方法，属于生物医学图像领域。
技术介绍
近年来随着中国进入工业化社会，水污染、大气污染越来越严重，白血病等血液病患病人数与日俱增，在国内恶性肿瘤死亡率上，白血病居前六位，18岁以下的青少年位列第一。及早通过血液检查对白血病等血液疾病的预防具有重要的应用价值。传统的血液细胞检查主要依靠医务人员通过显微镜观察血液样本，对血液疾病做出预测，但这种依靠人工观察的办法，完全凭借每个人的临床经验，缺乏定量的标准，存在一定的误差，易发生误诊、漏诊。21世纪以来，光谱成像技术得到突飞猛进的发展。逐渐开始应用在生物医学领域。高光谱成像利用连续的窄带波段数据成像，从感兴趣区域获取图像数据，具有“图谱合一”的特性。高光谱成像技术产生的数据同时具有图像和光谱信息两大基本特点，高光谱成像实现了图像像素二维空间信息和光谱信息结合，从而获取高光谱数据维立方体＂信息，为高光谱成像技术广泛应用做了坚实的基础。高光谱显微成像技术结合显微镜技术和光谱成像技术，能够被用来进行病理学的定量分析，相对于传统的医学成像方法，它能提供更丰富的光谱成分信息和客观的诊断标准，在生物医学领域有着广阔的应用前景，特别是在细胞识别和统计方面，辅助医学研究人员进行病变部位识别及相关疾病诊断随着计算机技术的不断发展，要求对血液检测的客观性越来越高，如今已发展到医务人员主观观察和计算机客观检测相结合的程度，使临床诊断结果更加客观、准确、科学。因此计算机图像处理技术实现血液细胞全自动识别、计数对白血病等血液疾病预防有着重要的应用价值。为了辅助医生快速、准确地进行血液疾病以及相关疾病的判断，提出在FPGA上实现对高光谱显微图像细胞进行分类，这样提高细胞分析的效率，实时地对细胞进行分析。
技术实现思路
本专利技术的主要目的是提供一种基于FPGA的快速实时高光谱显微图像细胞分类方法。不同于传统的高光谱图像分析方法，本专利技术的具体创新点在于基于FPGA来实现高光谱图像分类。采用的高光谱图像分类方法是基于协作表示的分类方法(collaborativerepresentation-basedclassification，简称CRC)。通过对成像光谱仪采集到的细胞图像进行一系列处理，将图像数据输入到FPGA上，对细胞进行分类，得到数据结果，判断是否存在病变细胞。本专利技术的技术方案具体来说，主要包括如下
技术实现思路
：步骤1、用高光谱成像仪器产生血液细胞的图片数据，输入到计算机作为后续图像分类、识别的数据基础，同时确定感兴趣的类别数。对图片数据进行预处理，使其变成能够在计算机上使用的格式，再将预处理后图片数据存入计算机中，以便后续使用。步骤2、考虑到FPGA对矩阵的处理不够灵活，所以需要通过公式推导化简，将矩阵乘法、矩阵求逆等的计算简化成简单的数的加减乘除的运算，解决矩阵乘法、矩阵求逆等算法难点，使矩阵数据在FPGA上也能够得到恰当的处理。步骤3、解决公式中的二范数求解，以及矩阵除计算是的转置矩阵，λ是一个常系数，c是代表第c类，I是单位矩阵，-1即是对括号内的求逆，y是测试像元，是指求二范数的平方。步骤4、对计算结果进行分析比较，得到分类结果。此公式是求最小时，的取值。本专利技术的流程图如图1所示，具体的实施流程如下：步骤1、用高光谱成像仪器产生血液细胞的数据，输入到计算机作为后续图像分类、识别的基础。确定感兴趣的类别数。首先确定血液细胞中细胞的种类，作为基础。根据有无训练样本，分类算法包括监督分类和非监督分类两种。本方法中的CRC算法即为监督分类，监督分类是从高光谱图像中选择具有相同特征某些类别作为训练样本，然后根据训练样本的平均值、标准差、协方差矩阵等特征计算出分类器的判别函数，根据对应判别函数将待分类像元归入某一类中，分类准确率高。在FPGA上不能直接使用高光谱图像数据，需要先对图像数据进行预处理。此方法中，将三维的高光谱图像数据转成一维数据，并且将十进制的小数转换成定点的十六位二进制数。在三维数据转换为一维数据之前，先将数据按照CRC算法的需要进行分组。CRC算法中，以测试像元y为中心，取两个大小不同的窗，两个大小不同的窗分别为内外窗，内外窗之间的像元作为X，X中每个像元的数据依次排列；对高光谱数据的中每个像元都作为测试像元y进行此操作，都依次排列，最终将三维数据转换成一维数据。将得到的一维数据依次存入RAM中，方便后续处理。在本方法中，是对每个像元单独做处理，所以把处理每个像元需要的数据分为一组，在往RAM里进行数据存储的时候，是按照一组一组数据进行存储，处理完一个像元之后再将RAM更新，重新存入数据。存入读取一组数据的过程如下。如下表1所示，每一行都为一个RAM。首先将矩阵X存入到这些RAM中，因为矩阵X已经变成一维形式，所以存入时会一行一行的存入。首先存入一维数据Y，将Y存到每个RAM地址为1的地方，将X的第一行存到每个RAM地址为2的地方，X的第二行存到每个RAM地址为3的地方，以此类推，数据则完全存入。读取的时候则对地址进行变换，则读取所需数据。表1数据存储的形式RAM1[1]RAM1[2]RAM1[3]…RAM2[1]RAM2[2]RAM2[3]…RAM3[1]RAM3[2]RAM3[3]……………步骤2、根据公式求出权重因子是的转置矩阵，λ是一个常系数，I是单位矩阵，-1即是对括号内的求逆，y是测试像元。由于在FPGA上不能直接对矩阵进行处理，所以需要采用下述流程才能完成的求解。经过分析可知，此公式分成四步计算，分别为以及第一步求首先从RAM中读取X和Y的数据。在ISE中乘法IP核，两个乘数分别为InA、InB(InB0、InB1、InB2…)，读出Y，令InA＝Y[addr]，读出X，InB0＝X0[addr],InB1＝X1[addr],InB2＝X2[addr]…；为描述简便，令X、Y分别为三阶的矩阵和向量。第1步，addr＝1时，y1与的第一列相乘，得到式(1)；第2步，addr＝2时，y2与的第二列相乘，得到的结果加到式(1)上，则得到式(2)；第3步，与第二步类似，相乘结果加到式(2)则得到最终结果如式(3)所示。第二步求与第一步中求类似，也是需要建立乘法IP核，两乘数分别为InA、InB(InB0、InB1、InB2…)。因为是所以读出X，令InA＝X[addr1]，InB0＝X0[addr2],InB1＝X1[addr2],InB2＝X2[addr2]…；为描述简便，此处也令X为三阶的矩阵。第1步，addra2＝1时，addr1分别取1、2、3，两者相乘，得到结果式(4)；第2步，addra2＝2时，addr1分别取1、2、3，两者相乘，得到的结果加到式(5)，得到结果式(5)；第3步，addra2＝3时，addr1分别1、2、3，两者相乘，得到的结果加到式(5)，得到最终结果式(6)；第三步求首先介绍一下谢尔曼-莫里森公式，如式(7)所示，其中λ为常数，I为单位矩阵，ω、v都是与I同阶的列向量，在本方法中ω、v均分别取X1、X2、X3，I取与同样大小的单位矩阵。而与Sherman–Morrison公式的形式相似，又有所以首先求然后代入到式(11)本文档来自技高网...

【技术保护点】
一种基于FPGA的实时高光谱显微图像细胞分类方法，本方法的基于FPGA来实现高光谱图像分类；采用的高光谱图像分类方法是基于协作表示的分类方法，简称CRC；通过对成像光谱仪采集到的细胞图像进行一系列处理，将图像数据输入到FPGA上，对细胞进行分类，得到数据结果，判断是否存在病变细胞；其特征在于，本方法包括如下步骤：步骤1、用高光谱成像仪器产生血液细胞的图片数据，输入到计算机作为后续图像分类、识别的数据基础，同时确定感兴趣的类别数；对图片数据进行预处理，使其变成能够在计算机上使用的格式，再将预处理后图片数据存入计算机中，以便后续使用；步骤2、考虑到FPGA对矩阵的处理不够灵活，所以需要通过公式推导化简，将矩阵乘法、矩阵求逆等的计算简化成简单的数的加减乘除的运算，解决矩阵乘法、矩阵求逆等算法难点，使矩阵数据在FPGA上也能够得到恰当的处理；步骤3、解决公式

【技术特征摘要】
1.一种基于FPGA的实时高光谱显微图像细胞分类方法，本方法的基于FPGA来实现高光谱图像分类；采用的高光谱图像分类方法是基于协作表示的分类方法，简称CRC；通过对成像光谱仪采集到的细胞图像进行一系列处理，将图像数据输入到FPGA上，对细胞进行分类，得到数据结果，判断是否存在病变细胞；其特征在于，本方法包括如下步骤：步骤1、用高光谱成像仪器产生血液细胞的图片数据，输入到计算机作为后续图像分类、识别的数据基础，同时确定感兴趣的类别数；对图片数据进行预处理，使其变成能够在计算机上使用的格式，再将预处理后图片数据存入计算机中，以便后续使用；步骤2、考虑到FPGA对矩阵的处理不够灵活，所以需要通过公式推导化简，将矩阵乘法、矩阵求逆等的计算简化成简单的数的加减乘除的运算，解决矩阵乘法、矩阵求逆等算法难点，使矩阵数据在FPGA上也能够得到恰当的处理；步骤3、解决公式中的二范数求解，以及矩阵除计算是的转置矩阵，λ是一个常系数，c是代表第c类，I是单位矩阵，-1即是对括号内的求逆，y是测试像元，是指求二范数的平方；步骤4、对计算结果进行分析比较，得到分类结果；此公式是求最小时，的取值。2.根据权利要求1所述的一种基于FPGA的实时高光谱显微图像细胞分类方法，其特征在于：步骤1、用高光谱成像仪器产生血液细胞的数据，输入到计算机作为后续图像分类、识别的基础；确定感兴趣的类别数；首先确定血液细胞中细胞的种类，作为基础；根据有无训练样本，分类算法包括监督分类和非监督分类两种；本方法中的CRC算法即为监督分类，监督分类是从高光谱图像中选择具有相同特征某些类别作为训练样本，然后根据训练样本的平均值、标准差、协方差矩阵等特征计算出分类器的判别函数，根据对应判别函数将待分类像元归入某一类中，分类准确率高；在FPGA上不能直接使用高光谱图像数据，需要先对图像数据进行预处理；此方法中，将三维的高光谱图像数据转成一维数据，并且将十进制的小数转换成定点的十六位二进制数；在三维数据转换为一维数据之前，先将数据按照CRC算法的需要进行分组；CRC算法中，以测试像元y为中心，取两个大小不同的窗，两个大小不同的窗分别为内外窗，内外窗之间的像元作为X，X中每个像元的数据依次排列；对高光谱数据的中每个像元都作为测试像元y进行此操作，都依次排列，最终将三维数据转换成一维数据；将得到的一维数据依次存入RAM中，方便后续处理；在本方法中，是对每个像元单独做处理，所以把处理每个像元需要的数据分为一组，在往RAM里进行数据存储的时候，是按照一组一组数据进行存储，处理完一个像元之后再将RAM更新，重新存入数据；存入读取一组数据的过程如下；如下表1所示，每一行都为一个RAM；首先将矩阵X存入到这些RAM中，因为矩阵X已经变成一维形式，所以存入时会一行一行的存入；首先存入一维数据Y，将Y存到每个RAM地址为1的地方，将X的第一行存到每个RAM地址为2的地方，X的第二行存到每个RAM地址为3的地方，以此类推，数据则完全存入；读取的时候则对地址进行变换，则读取所需数据；表1数据存储的形式3.根据权利要求1所述的一种基于FPGA的实时高光谱显微图像细胞分类方法，其特征在于：步骤2、根据公式求出权重因子是的转置矩阵，λ是一个常系数，I是单位矩阵，-1即是对括号内的求逆，y是测试像元；由于在FPGA上不能直接对矩阵进行处理，所以需要采用下述流程才能完成的求解；经过分析可知，此公式分成四步计算，分别为以及第一步求首先从RAM中读取X和Y的数据；在ISE中乘法IP核，两个乘数分别为InA、InB(InB0、InB1、InB2…)，读出Y，令InA＝Y[addr]，读出X，InB0＝X0[addr],InB1＝X1[addr],InB2＝X2[addr]…；为描述简便，令X、Y分别为三阶的矩阵和向量；第1步，addr＝1时，y1与的第一列相乘，得到式(1)；第2步，addr＝2时，y2与的第二列相乘，得到的结果加到式(1)上，则得到式(2)；第3步，与第二步类似，相乘结果加到式(2)则得到最终结果如式(3)所示；第二步求与第一步中求类似，也是需要建立乘法IP核，两乘数分别为InA、InB(InB0、InB1、InB2…)；因为是所以读出X，令InA＝X[addr1]，InB0＝X0[addr2],InB1＝X1[addr2],InB2＝X2[addr2]…；为描述简便，此处也令X为三阶的矩阵；第1步，addra2＝1时，addr1分别取1、2、3，两者相乘，得到结果式(4)；第2步，addra2＝2时，addr1分别取1、2、3，两者相乘，得到的结果加到式(5)，得到结果式(5)；第3步，addra2＝3时，addr1分别1、2、3，两者相乘，得到的结果加到式(5)，得到最终结果式(6)；

【专利技术属性】
技术研发人员：李伟，吴晶晶，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：北京,11