基于图像处理的胚胎自动识别方法技术

本发明专利技术提供了一种基于图像处理的胚胎自动识别方法，所述基于图像处理的胚胎自动识别方法包括以下步骤：(A1)边缘检测：预处理胚胎的图像，获得图像的边缘检测结果；(A2)线段绘制：将所述边缘检测结果的边缘端拟合为线段，得到线段图；(A3)弧合成：将线段图中的线段合并为弧；(A4)圆和椭圆的合成：将所述弧拟合为圆和椭圆(A5)伪圆和伪椭圆的去除：去除圆和椭圆中伪圆和伪椭圆，从而获得胚胎的识别结果。本发明专利技术具有检测快速、精确定位、胚胎选择客观性好等优点。

【技术实现步骤摘要】
基于图像处理的胚胎自动识别方法
本专利技术涉及胚胎检测，特别涉及基于图像处理的胚胎自动识别方法。
技术介绍
人类显微胚胎图像自动分析是辅助生殖领域的一项重要技术，包括透明带自动分割、原核形态学分析、碎片率分析、胚胎自动识别等。在单胚胎移植的情况下，选择高质量的胚胎进行移植是保证妊娠成功的关键，现阶段胚胎质量评估主要依靠胚胎专家遴选出优质胚胎，整个过程耗时又费力，且工作量巨大。而胚胎自动识别技术作为胚胎质量评估的重要手段之一，能有效提升胚胎专家的工作效率，增加胚胎选择的客观性。现有的胚胎识别方法主要有圆拟合算法和椭圆拟合算法。圆拟合胚胎识别算法主要包括：霍夫变换、模板匹配、最小二乘法拟合等方法。圆拟合胚胎识别算法具有运算速度快、效率高的优点，但存在对类椭圆型卵裂球识别不准确的问题。椭圆拟合胚胎识别算法主要包括：三角形法、区域合并、ARCPSO(ParticleSwarmOptimizationandArccombination)和随机抽样一致算法等。椭圆拟合胚胎识别往往具有较高的识别准确率，但存在运算速度慢，参数优化复杂等问题。Akinlar等提出的EDCircles算法是基于圆弧段之间的约束条件，先进行圆拟合，再利用剩下的弧进行椭圆拟合，能实现圆拟合和椭圆拟合算法的优势互补，具有运行时间短，抗噪性能强的优点，成功应用于手表、硬币、球类、车牌、血细胞图像中的类圆形和类椭圆型物体的检测。但将其应用到胚胎识别中，主要有以下缺陷：1.存在卵裂球边缘细节丢失问题，将导致部分卵裂球未被识别；2.采集到的图片存在培养皿光圈以及胚胎碎片的干扰问题，导致识别结果会出现伪圆和伪椭圆。因此，从复杂的胚胎图像中快速、准确识别胚胎是目前技术的一个难点。
技术实现思路
为解决上述现有技术方案中的不足，本专利技术提供了一种检测快速、精确定位、胚胎选择的客观性好的基于图像处理的胚胎自动识别方法。本专利技术的目的是通过以下技术方案实现的：一种基于图像处理的胚胎自动识别方法，所述基于图像处理的胚胎自动识别方法包括以下步骤：(A1)边缘检测：预处理胚胎的图像，获得图像的边缘检测结果；(A2)线段绘制：将所述边缘检测结果的边缘端拟合为线段，得到线段图；(A3)弧合成：将线段图中的线段合并为弧；(A4)圆和椭圆的合成：将所述弧拟合为圆和椭圆(A5)伪圆和伪椭圆的去除：去除圆和椭圆中伪圆和伪椭圆，从而获得胚胎的识别结果。与现有技术相比，本专利技术具有的有益效果为：1.本专利技术避免了现阶段胚胎检测主要依靠胚胎专家遴选出优质胚胎，整个过程耗时又费力，且工作量巨大等缺点，实现了快速全自动地将胚胎检测出来，提高了胚胎选择客观性；2.本专利技术首先通过EDContous算法进行预处理,其次通过EDCircles算法先进行圆检测再进行椭圆检测，最后通过阈值约束方法有效去除培养皿光圈以及胚胎碎片的干扰，识别结果精确，识别精度高，保证了卵裂球识别的全面性。附图说明参照附图，本专利技术的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于举例说明本专利技术的技术方案，而并非意在对本专利技术的保护范围构成限制。图中：图1本专利技术实施例的基于图像处理的胚胎自动识别方法的流程图；图2是胚胎发育示意图；图3是边缘段转化为线段示意图；图4是单胚胎实验对比结果；图5是多胚胎实验对比结果。具体实施方式图1-6和以下说明描述了本专利技术的可选实施方式以教导本领域技术人员如何实施和再现本专利技术。为了教导本专利技术技术方案，已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将在本专利技术的范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本专利技术的多个变型。由此，本专利技术并不局限于下述可选实施方式，而仅由权利要求和它们的等同物限定。实施例1：图1示意性地给出了本专利技术实施例1的基于图像处理的胚胎自动识别方法的结构简图，如图1所示，所述基于图像处理的胚胎自动识别方法包括：(A1)基于EDContours算法的边缘检测：运用EDContours算法，在不同尺度空间下，将原始图像与高斯核进行卷积操作，利用EDPF算法的边缘叠加运算获得边缘检测结果。所述的运算次数为15-30，优选21次。2)基于EDCircles算法的线段绘制：利用EDCircles算法的EDLines将边缘段拟合为线段，再利用Helmholtz原理去除伪线段，得到线段图。3)基于EDCircles算法的弧合成：将满足条件的线段合并成弧。4)基于EDCircles算法的圆和椭圆检测：将最长弧和满足限制条件的弧拟合成圆；然后按弧长顺序，利用最小二乘圆拟合算法依次进行圆拟合；将剩下的弧，利用增强的直接最小二乘椭圆拟合算法进行椭圆拟合。5)基于阈值约束方法的伪圆和伪椭圆去除：利用圆半径与椭圆短轴的约束，去除伪圆和伪椭圆，得到最终的识别结果。在步骤(A1)中，卷积操作公式为：其中I[x，y]为输入的图像；表示高斯核；t为尺度空间，t＝δ2，δ为迭代因子，δ＝[1,4]在(A2)中，EDLines算法控制参数：其中g(x，y)是梯度值，gx(x，y)代表x轴方向的梯度值：gy(x，y)代表y轴方向的梯度值，Helmholtz原理控制的NFA值：其中，N4表示在一副N×N的图像中存在N4条线段，n表示线段的长度，k表示至少有k个点与该线段的方向一致，p表示线段方向的可能性在所述步骤(A3)中，线段合成弧的具体方式为：至少三条线段的方向相同，且满足夹角阈值条件(6°，60°)，νi与νi+1之间的夹角signi表示向量νi的方向：signi＝sign(xiyi+1-xi+1yi)，向量νi＝(xiyi)，向量νi+1＝(xi+1yi+1)。在步骤(A4)中，圆和椭圆的合成的具体方式为：将最长弧和满足限制条件的弧拟合成圆；按弧长顺序，利用最小二乘圆拟合算法依次进行圆拟合将剩下的弧，利用增强的直接最小二乘椭圆拟合算法进行椭圆拟合。在步骤(A4)中，所述限制条件为：弧半径限制：半径差异在25％以内；圆心距离限制：不能超过最长弧半径的25％；角度限制：满足前两个条件的圆弧角度总和大于π。在步骤(A5)中，所述伪圆和伪椭圆的去除的具体方式为：分别利用圆半径与椭圆短轴的约束，如，删除半径大于120，小于20的伪圆；伪椭圆去除：删除短轴大于120，小于20的伪椭圆。实施例2根据本专利技术实施例1的基于胚胎图像的自动识别方法的应用例。在该应用例中，如图2所示，本专利技术主要应用于胚胎发育过程的第一天(D1)、第二天(D2)和第三天(D3)所呈现的胚胎图像。本实施例的基于图像处理的胚胎自动识别方法，包括以下步骤：(A1)读取胚胎图片，进行图像预处理：1)输入一幅待处理的图像I[x,y]，如图1(a)所示，初始化轮廓图ContourMap[x,y]＝0、δ＝1.0。2)计算t值(尺度参数，代表尺度空间水平)，t＝δ×δ；3)原图像与高斯核进行卷积操作L(I[x,y],t)：4)用EDPF算法对卷积结果进行边缘检测，EdgeSements＝EDPF(L(I[x,y],t))。5)更新边缘图：ContourMap[x,y]＝ContourMap[x,y]+EdgeSements。6)更新迭代因子δ，δ＝δ+0.25，判断更新后δ是否大于4.0，若大于4.0本文档来自技高网...

【技术保护点】
1.一种基于图像处理的胚胎自动识别方法，其特征在于：所述基于图像处理的胚胎自动识别方法包括以下步骤：(A1)边缘检测：预处理胚胎的图像，获得图像的边缘检测结果；(A2)线段绘制：将所述边缘检测结果的边缘端拟合为线段，得到线段图；(A3)弧合成：将线段图中的线段合并为弧；(A4)圆和椭圆的合成：将所述弧拟合为圆和椭圆(A5)伪圆和伪椭圆的去除：去除圆和椭圆中伪圆和伪椭圆，从而获得胚胎的识别结果。

【技术特征摘要】
1.一种基于图像处理的胚胎自动识别方法，其特征在于：所述基于图像处理的胚胎自动识别方法包括以下步骤：(A1)边缘检测：预处理胚胎的图像，获得图像的边缘检测结果；(A2)线段绘制：将所述边缘检测结果的边缘端拟合为线段，得到线段图；(A3)弧合成：将线段图中的线段合并为弧；(A4)圆和椭圆的合成：将所述弧拟合为圆和椭圆(A5)伪圆和伪椭圆的去除：去除圆和椭圆中伪圆和伪椭圆，从而获得胚胎的识别结果。2.根据权利要求1所述的基于图像处理的胚胎自动识别方法，其特征在于：所述预处理的方式为：运用EDContours算法，在不同尺度空间下，将胚胎图像与高斯核进行卷积操作，利用EDPF算法的边缘叠加运算获得边缘检测结果。3.根据权利要求2所述的基于图像处理的胚胎自动识别方法，其特征在于：卷积操作公式为：其中I[x，y]为输入的胚胎图像；表示高斯核；t为尺度空间，t＝δ2，δ为迭代因子，δ＝[1,4]。4.根据权利要求1所述的基于图像处理的胚胎自动识别方法，其特征在于：线段绘制的具体方式为：利用EDCircles算法的EDLines将边缘段拟合为线段，再利用Helmholtz原理去除伪线段，得到线段图。5.根据权利要求4所述的基于图像处理的胚胎自动识别方法，其特征在于：EDLines算法控制参数：其中g(x，y)是梯度值，gx(x，y)代表x轴方向的梯度值：gy(x，y)代...

【专利技术属性】
技术研发人员：闻路红，邹爽爽，洪欢欢，毕磊，陈瑞强，
申请(专利权)人：宁波华仪宁创智能科技有限公司，
类型：发明
国别省市：浙江,33