一种全切片图像的无参考清晰度评估方法及系统技术方案

本发明专利技术提供了一种全切片图像的无参考清晰度评估方法及系统，采用金字塔多层数据结构存储数字图像，将金字塔多层数据结构的各层图像平均分割为若干图像块；通过大津阈值分割法在图像块的梯度幅度直方图中划分出强边缘，由强边缘的梯度最大值和宽度计算得到强边缘强度，并利用背景复杂度对强边缘强度进行修正，确定单个图像块的清晰度；设定清晰度的标准值，判定当前图像块是清晰图像还是模糊图像；根据各层清晰图像块所占比例，最终确定各层图像是否为清晰图像。本发明专利技术避免了图像内容差异性导致的图像清晰度得分差异性，修正了图像背景复杂度对图像清晰度的影响，实现了对部分清晰部分模糊图像的有效鉴别。

A method and system for non reference definition evaluation of a full slice image

The present invention provides an evaluation method and system reference definition of a full image, using Pyramid multilayer data structure for storing digital image, the image of Pyramid in each layer of multilayer data structure with average divided into several image blocks; gradient histogram method in the image block divided by strong edges Otsu threshold segmentation, a strong gradient the edge of the maximum width and the calculated strong edge strength, and the complexity of the strong edge intensity corrected by background, determine the single image block definition; set the definition of standard value, to determine the current image block is a clear image or fuzzy image; according to each layer of clear image block proportion, and ultimately determine each layer image whether it is a clear image. The invention avoids the difference of the image sharpness score caused by the difference of image content, corrections the influence of the background complexity of the image on the definition of the image, and realizes the effective discrimination of the partially clear and partially blurred images.

【技术实现步骤摘要】
一种全切片图像的无参考清晰度评估方法及系统
本专利技术涉及数字图像处理
，具体地，涉及一种全切片图像的无参考清晰度评估方法及系统。
技术介绍
随着信息化技术的发展，数字化全切片病理图像已在临床诊断、病理学研究领域广泛应用。由于切片制作、显微扫描过程存在各种不确定因素，容易造成病理切片的成像质量下降。图像清晰度下降不但直接影响病理切片的诊断质量，而且无法作为重要样本用于数据挖掘等智能诊断研究。因此，快速有效的数字病理图像清晰度评估方法对于数字病理的发展至关重要。根据对参考图像的依赖程度，图像清晰度的客观评估方法可以分为全参考方法和无参考方法。全参考图像清晰度评估方法考察待测图像与参考图像的清晰度差异，其评价准确率往往高于其他客观图像清晰度评估方法，算法实现难度也相对较低，但是全参考方法的数据量和计算量也远高于其他方法。无参考图像清晰度评估方法不需要原始图像作为参考，虽然准确性较全参考方法可能有所下降，但是它的计算效率更高，应用也更加广泛。目前，数字病理图像清晰度评估方法在实际应用中普遍存在以下不足：1)、清晰度严重受图像内容影响，同等清晰度下，内容复杂的图像比内容简单的图像得分明本文档来自技高网...

【技术保护点】
一种全切片图像的无参考清晰度评估方法，其特征在于，包括：采用金字塔多层数据结构存储数字图像，将金字塔多层数据结构的各层图像平均分割为若干图像块；通过大津阈值分割法在图像块的梯度幅度直方图中划分出强边缘，由强边缘的梯度最大值和宽度计算得到强边缘强度，并利用背景复杂度对强边缘强度进行修正，确定单个图像块的清晰度；设定清晰度的标准值，判定当前图像块是清晰图像还是模糊图像；根据各层清晰图像块所占比例，最终确定各层图像是否为清晰图像。

【技术特征摘要】
1.一种全切片图像的无参考清晰度评估方法，其特征在于，包括：采用金字塔多层数据结构存储数字图像，将金字塔多层数据结构的各层图像平均分割为若干图像块；通过大津阈值分割法在图像块的梯度幅度直方图中划分出强边缘，由强边缘的梯度最大值和宽度计算得到强边缘强度，并利用背景复杂度对强边缘强度进行修正，确定单个图像块的清晰度；设定清晰度的标准值，判定当前图像块是清晰图像还是模糊图像；根据各层清晰图像块所占比例，最终确定各层图像是否为清晰图像。2.根据权利要求1所述的全切片图像的无参考清晰度评估方法，其特征在于，具体包括步骤：金字塔多层数据结构构建步骤：由高倍物镜扫描图像，将图像按金字塔多层数据结构存储，各层对应不同图像放大倍数，各层平均分割为若干长宽一致的图像块，针对某层图像，将当前图像块转换为灰度图像，并用高斯滤波器进行滤波；清晰度初始值计算步骤：使用水平和竖直方向的索贝尔滤波器分别对当前灰度图像进行滤波，得到水平和竖直方向的梯度幅度，在此基础上计算总的梯度幅度和梯度方向；根据大津阈值分割法在梯度幅度直方图中确定边缘梯度幅度阈值，边缘梯度幅度大于阈值为强边缘；计算获得各段强边缘强度，对多段强边缘强度进行加强平均，获得当前图像块的强边缘强度，并作为当前图像块的清晰度初始值；清晰度计算步骤：将图像块的梯度幅度中低于边缘梯度幅度阈值的区域看作背景图像，对其对应的梯度幅度做加权平均得到背景复杂度；计算获得当前图像块的所述背景复杂度修正值，乘以所述清晰度初始值，获得当前图像块的清晰度；判断步骤：重复清晰度初始值计算步骤以及清晰度计算步骤，计算所有图像块的清晰度，设定清晰度标准值，判断当前图像块是清晰图像块还是模糊图像块，根据清晰图像块的占比确定各层图像是否为清晰图像。3.根据权利要求2所述的全切片图像的无参考清晰度评估方法，其特征在于，所述计算获得各段强边缘强度包括：在强边缘的梯度正方向和负方向上寻找的梯度幅度的局部最大值，作为边缘梯度最大值；以所述边缘梯度最大值所对应的像素点作为当前边缘的中心点，分别沿着梯度方向的正方向与负方向寻找两个梯度幅度的局部最小值，两个局部最小值所在像素点之间的欧氏距离为强边缘宽度；所述强边缘强度得分与所述边缘梯度最大值正相关，与所述强边缘宽度负相关，设置指数提高所述强边缘强度对所述强边缘宽度的敏感度，计算方法如下：4.根据权利要求2所述的全切片图像的无参考清晰度评估方法，其特征在于，所述计算获得当前图像块的所述背景复杂度修正值包括：设定所述边缘梯度幅度阈值的一半为正负影响阈值，如果所述背景复杂度高于所述正负影响阈值，则输入图像的背景负向影响当前图像的清晰度得分，如果所述背景复杂度低于所述正负影响阈值，则输入图像的背景正向影响当前图像的清晰度得分；最后，采用背景像素数量占图像块像素数量的比例进一步修正背景影响，获得背景影响修正系数：5.根据权利要求2所述的全切片图像的无参考清晰度评估方法，其特征在于，所述当前图像块的清晰度的计算方法如下...

【专利技术属性】
技术研发人员：吴开杰，谷朝臣，关新平，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31