一种背景抑制与视觉感知正反馈的白细胞检测方法技术
White blood cell detection method with background inhibition and visual perception positive feedback
The invention discloses a white blood cell detecting method of background inhibition and visual perception positive feedback, which can extract nucleated cells dyed in microscopic images. First of all, the original image is directly and roughly divided into gaze and non gaze regions. By repeated sampling of the pixels in the two regions, the human eye is simulated repeatedly. A number of samples are set up after sampling, and several PELM models are constructed by learning. The multi model results in the superposition of all the pixels and forms a rough saliency map. Then, the coarse saliency map is used to suppress the background with the help of RBD algorithm, and the positive feedback iterative process based on PELM is constructed for the gaze region. If the PELM classification results are stable in the iteration, the visual perception is saturated and the loop is finished. The final PELM classification result is the target region of the detected white blood cells. The algorithm does not require a priori knowledge and artificial pre labeled images, and can automatically detect and extract white blood cells.
【技术实现步骤摘要】
一种背景抑制与视觉感知正反馈的白细胞检测方法
本专利技术涉及人类视觉模拟
，具体地讲是一种利用显著性检测技术自动检测/分割染色白细胞的方法。
技术介绍
白细胞图像形态学分析是一种重要的诊断手段，通过识别和计数不同谱系和成熟度的白细胞，来诊断许多恶性疾病。利用计算机进行白细胞自动检测与分析，不仅能节省人力和时间，而且能减少人为误差。自动图像分析系统中，最关键的算法步骤是目标检测/分割。白细胞(WBCs)是无色的，通常血液和骨髓涂片用瑞氏染色法(Wright-Giemsastain)将白细胞染成便于识别的明显颜色。然而，不同的染色准备与成像条件，细胞的粘连与遮挡等，均会导致大的颜色偏差和变化。传统算法中，正确地检测/分割出显微视野中的白细胞群体是个难题，因为白细胞的颜色分布可能是不确定的。变化的自然图像是典型非结构化数据。如何对这些数据进行建模已经成为近几十年的研究热点。近年来，由浅层和深层神经网络组成的两类学习算法，应用自底向上和自顶向下两种策略来解决上述问题。基于自底向上框架，可以采用数据驱动的方法来分割白细胞图像；然而这种算法需要一些先验的限制，而且由于学...
【技术保护点】
一种背景抑制与视觉感知正反馈的白细胞检测方法，利用视觉显著性来检测显微图像中染色的白细胞。其特征在于：1)输入细胞图像：将图像边框区域一定宽度范围作为非注视区(负样本候选区)，而余下的矩形区域为注视区(正样本候选区)。2)通过集成的PELM(调和极限学习机)学习得到粗显著度图。①对正样本候选区域内的高梯度值像素(大于该区域平均梯度的像素)随机采样n个像素；对负样本区域内所有像素，进行等量的随机采样。采样过程可重复3‑5次，模拟人眼微跳视对注视区的重复扫描。②利用样本像素和其8邻域像素的RGB特征(27维)，构成正负样本集。重复采样可形成多个样本集。分别利用这些样本集，进行多...
【技术特征摘要】
1.一种背景抑制与视觉感知正反馈的白细胞检测方法，利用视觉显著性来检测显微图像中染色的白细胞。其特征在于：1)输入细胞图像：将图像边框区域一定宽度范围作为非注视区(负样本候选区)，而余下的矩形区域为注视区(正样本候选区)。2)通过集成的PELM(调和极限学习机)学习得到粗显著度图。①对正样本候选区域内的高梯度值像素(大于该区域平均梯度的像素)随机采样n个像素；对负样本区域内所有像素，进行等量的随机采样。采样过程可重复3-5次，模拟人眼微跳视对注视区的重复扫描。②利用样本像素和其8邻域像素的RGB特征(27维)，构成正负样本集。重复采样可形成多个样本集。分别利用这些样本集，进行多个PELM(调和极限学习机)学习建模。③用PELM模型对所有像素进行二值分类。每个PELM二值分类结果可被视为一种视觉刺激，将多个二值刺激图进行叠加可以形成粗显著图。3)利用RBD(鲁棒的背景检测)算法先检测背景像素，然后抑制背景像素来优化粗显著图，以降低噪声样本影响。4)通过正反馈迭代循环来强化目标区域；①阈值化优化后的粗显著性图，得到新的二值化注视区域(BW_i)；②如果前一个注视区域BW_i-1已存在，则判断BW_i-1是否足够接近BW_i。若为真，则表明视觉感知连续相同(达到感知饱和)，迭代中断(收敛)；否则，BW_i-...
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。