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 ...
【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
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。