相差显微镜细胞主要信息粘连情况的分离与分组方法技术

一种适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，包括如下步骤：1)基于对相差显微镜细胞图像特性的分析，构建图像中的层次信息之后，定义相差显微细胞图像的主要信息；2)手动标记关键信息，标记时需要参照原始图片和主要信息，将细胞主要信息粘连情况划分为一个区域，以便于将这些情况进行单独分析；3)利用无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，对目标粘连情况进行分离和分组；4)更新相差显微镜细胞图像中的主要信息标号与颜色标记，得到此图像修复后的主要信息。本发明专利技术能有效处理相差显微镜细胞图像检测和分割。

The phase separation method and the method of grouping and grouping the main information in the phase contrast microscope without frame reference information

Separation and grouping method for non inter reference information microscope cell adhesion of the main information, which comprises the following steps: 1) analysis of the difference image characteristics of microscope based on cell level after the construction of the information in the image, the main difference between information definition of micro cell image; 2) manually mark key information mark when the need to refer to the original picture and the main information, the cell adhesion is divided into a main information area, so these were analyzed separately; 3) the main difference of adhesion separation information microscope cell reference information between frames and grouping method, separation and grouping of targets; 4) update is main information label in microscopy images of cells with color markers, get the main information of the image after the repair. The invention can effectively treat phase contrast microscope, cell image detection and segmentation.

【技术实现步骤摘要】
适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法
本专利技术属于医学图像处理
，涉及一种适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法。
技术介绍
当前在相差显微镜细胞检测和分割领域，通常假设目标的区域具有内部一致性的特点，即目标内部的灰度、颜色或者其他特征是均匀分布。主要采用阈值的方法对目标区域进行直接分割，或者采用主动轮廓模型得到目标的封闭区域。一般阈值相关方法的思想主要是直接调节并得到最佳阈值，从而能够直接得到目标的区域。主动轮廓模型的方法是在假定目标内部一致性的前提之下，增加了目标具有较强梯度边界的假设，从而优化目标函数，从初始状态开始演化曲线，最终能够形成局部的封闭区域。但是主动轮廓模型无法对粘连的细胞进行有效的区分，其结果通常会把粘连的细胞置于同一个封闭区域中。另外的一类方法是对图像进行分片处理，即将原始较大的图像划分出连续的局部区域块。这类算法，包括超像素划分(Super-Pixel)和UCM(Ultra-metricContourMap)。前一种先在整幅图上均匀地放置一些种子点，然后构建局部一致性的区块，再通过半监督学习的方式或者谱聚类的方式，对这些局部区块进行一个分类，从而能够构建更具体的分割区块。后一种是通过随机森林的方式对已标记的像素级训练集训练出一个模型。训练集中正样本为目标边界像素，负样本为非边界像素。得到的分类概率图通过一系列的变换，能够形成基于边界信息的局部区域块，再通过MCG(MultipleCombinatorialGrouping)算法对局部的区域块进行融合操作。相差显微细胞的边界和内部都不具有明显的一致性，即细胞内部灰度值的偏差很大且细胞边界的清晰度不够显著，很多部位与背景相粘连。
技术实现思路
为了克服已有相差显微镜细胞图像检测和分割上较难处理的不足，本专利技术提供了一种有效处理相差显微镜细胞图像检测和分割的适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法。本专利技术解决其技术问题所采用的技术方案是：一种适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，包括如下步骤：1)基于对相差显微镜细胞图像特性的分析，构建图像中的层次信息之后，定义相差显微细胞图像的主要信息；2)手动标记关键信息，标记时需要参照原始图片和主要信息，将细胞主要信息粘连情况划分为一个区域，以便于将这些情况进行单独分析；3)利用无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，对目标粘连情况进行分离和分组；4)更新相差显微镜细胞图像中的主要信息标号与颜色标记，得到此图像修复后的主要信息。进一步，所述步骤1)中，假设一张相差显微镜细胞图像中存在灰度级别在0到L之间的N个像素，处于灰度级别i的像素个数标记为ni，那么灰度级i的像素在此图片中的概率为pi＝ni/N，假设图像中存在由C-1个阈值，记为{t1,t2,…,tC-1}，其确定了C个灰度层次或者灰度集合；如此，集合1由灰度范围为[0,…,t1]的像素确定，集合1标记为G1，集合i(Gi)由灰度范围为(ti-1,…,ti]的像素确定，最后一个集合GC由灰度范围为(tC-1,…,L]的像素确定，假设μT是此幅图像的灰度均值；为了获得针对所有细胞的深暗区域信息，即主要信息，采用多阈值最大类间算法，定义为：其中，0≤t1<…<tC-1<L那么，此时的G1便定义为当前帧中的主要信息。再进一步，所述步骤2)中，在手动标记的过程中，参照原图及对应的主要信息，将属于某一细胞的所有主要信息划分到一个黄色闭合曲线中去，也将细胞主要信息粘连区域及所涉及的局部独立块也归到同一个黄色闭合轮廓中去；手动标记好所有区域之后，记录这些具有主要信息粘连情况的区域标号，便于索引这些区域。更进一步，所述步骤3)中，针对无帧间参考信息的细胞主要信息粘连情况，应用PairSplit3F算法，首先需要找到待分离局部块；在两个细胞主要信息粘连情况下，认为待分离块处于所有块集合的中间部位；基于当前粘连情况所涉及的所有块集合H计算均值坐标位置Pmean和中值坐标位置Pmedian，用于确定当前粘连情况下的待分离局部块，执行PairSplit算法之前，属于两个细胞的主要信息集合H1和H2仍旧是未确定的，且集合中无任何主要信息独立块，所以作为空集传入；分离之后，从PairSplit算法返回集合H1和H2，接着，只需要将其他分散的局部独立块基于德劳内三角图和GraphCrawl算法分组到不同的细胞主要信息集合。本专利技术的无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法。其主要适用于在不具有帧间参考信息的情况下，对相差显微镜图像中目标主要信息粘连情况的处理。此方法基于手动标记结果，在存在目标主要信息粘连情况的独立区域内，自动查找到需要分离的局部独立块，并进行合理分离，然后通过分组算法，将分散的主要信息融合进目标的主要信息集合。在保证更少地剔除主要信息像素的情况下，修复此相差显微镜图像的主要信息。本专利技术的有益效果主要表现在：有效处理无帧间参考信息的相差显微镜细胞图像检测和分割。附图说明图1是适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法的流程图。图2是手动标记相差显微镜细胞图像的目标主要信息。假设x＝{a,b}，图x1是相差显微镜细胞原图，图x2是多阈值最大类间距离算法结果，图x3是手动标记的黄色封闭轮廓线，并保留主要信息粘连区域，图x4是对于标记结果的二值图，图x5是独立区域标号对应的伪彩色图，图x6是相差显微镜细胞图像的主要信息。图3是三个无帧间参考信息的主要信息粘连情况。假设x＝{a,b,c}，图x1是分别截取于图2中图x6中对应的白色方框内的区域信息，图x2是每个粘连情况所对应的所有独立的主要信息块，每个独立块标记为不同伪彩色，图x3是待分离主要信息块，图x4是最佳分离为止，图x5是分组后的结果，图x6是修复后的主要信息结果。图4是整幅相差显微镜图像的修复结果与区域构建结果。假设x＝{a,b}，图x1对应与图2中图x1的主要信息修复结果图，图x2是基于每个细胞的主要信息通过凸区域近似得到的结果图，图x3是基于基于每个细胞的主要信息通过矩形方框近似得到的结果图。具体实施方式下面结合附图对本专利技术作进一步描述。参照图1～图4，一种适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，包括如下步骤：1)基于对相差显微镜细胞图像特性的分析，构建图像中的层次信息之后，定义相差显微细胞图像的主要信息；2)手动标记关键信息，标记时需要参照原始图片和主要信息，将细胞主要信息粘连情况划分为一个区域，以便于将这些情况进行单独分析；3)利用无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，对目标粘连情况进行分离和分组；4)更新相差显微镜细胞图像中的主要信息标号与颜色标记，得到此图像修复后的主要信息。所述步骤1)中，基于对相差显微镜细胞图像灰度分布特性的分析，大部分相差显微细胞图像的灰度分布都符合高斯分布形状。培养液背景区域像素与细胞内部部分区域像素一般处于高斯分布的中间区段，占图像的像素比例较大，而相差显微镜细胞的主要信息像素值较小的灰度分布本文档来自技高网...

【技术保护点】
一种适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，其特征在于：包括如下步骤：1)基于对相差显微镜细胞图像特性的分析，构建图像中的层次信息之后，定义相差显微细胞图像的主要信息；2)手动标记关键信息，标记时需要参照原始图片和主要信息，将细胞主要信息粘连情况划分为一个区域，以便于将这些情况进行单独分析；3)利用无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，对目标粘连情况进行分离和分组；4)更新相差显微镜细胞图像中的主要信息标号与颜色标记，得到此图像修复后的主要信息。

【技术特征摘要】
1.一种适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，其特征在于：包括如下步骤：1)基于对相差显微镜细胞图像特性的分析，构建图像中的层次信息之后，定义相差显微细胞图像的主要信息；2)手动标记关键信息，标记时需要参照原始图片和主要信息，将细胞主要信息粘连情况划分为一个区域，以便于将这些情况进行单独分析；3)利用无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，对目标粘连情况进行分离和分组；4)更新相差显微镜细胞图像中的主要信息标号与颜色标记，得到此图像修复后的主要信息。2.如权利要求1所述的适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法，其特征在于：所述步骤1)中，假设一张相差显微镜细胞图像中存在灰度级别在0到L之间的N个像素，处于灰度级别i的像素个数标记为ni，那么灰度级i的像素在此图片中的概率为pi＝ni/N，假设图像中存在由C-1个阈值，记为{t1,t2,…,tC-1}，其确定了C个灰度层次或者灰度集合；如此，集合1由灰度范围为[0,…,t1]的像素确定，集合1标记为G1；集合i由灰度范围为(ti-1,…,ti]的像素确定，集合i标记为Gi；最后一个集合GC由灰度范围为(tC-1,…,L]的像素确定，假设μT是此幅图像的灰度均值；为了获得针对所有细胞的深暗区域信息，即主要信息，采用多阈值最大类间算法，定义为：其中，0≤t1<…<tC-1<L

【专利技术属性】
技术研发人员：陈胜勇，陈磊，周小龙，张剑华，刘琪琪，管秋，李疆，汪晓妍，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33