一种动物脑组织切片显微图像分割方法技术

本发明专利技术公开了一种动物脑组织切片显微图像分割方法，涉及显微图像处理技术领域，分割方法包括(1)显微图像预处理；(2)显微图像小波变换；(3)GA‑FCM图像分割；(4)显微图像小波重构；(5)增强图像的量化评估；(6)分析评价指标是否达到预设；(7)输出显微图像分割的结果步骤，首先借助小波变换处理显微图像得到高频和低频两个子空间的图像，再分别对高频子空间图像和低频子空间图像，保证了显微图像的高频分量和低频分量都得到有效分割，采用GA‑FCM实现显微图像的有效分割，同时借助客观评价的量化指标来评估分割效果，保证了显微图像分割的准确性，能满足后续脑组织结构三维重建的要求。

A Microscopic Image Segmentation Method for Animal Brain Tissue Section

The invention discloses a method for micro-image segmentation of animal brain slices, which relates to the field of micro-image processing technology. The segmentation methods include: (1) micro-image preprocessing; (2) micro-image wavelet transform; (3) GA FCM image segmentation; (4) micro-image wavelet reconstruction; (5) quantitative evaluation of enhanced images; (6) analysis of whether the evaluation index achieves the preset; (7) output micro-image segmentation. Results First, the high frequency and low frequency subspace images are obtained by wavelet transform. Then the high frequency and low frequency subspace images are segmented separately, which ensures that the high frequency and low frequency components of the micro image are segmented effectively. GA_FCM is used to realize the effective segmentation of the micro image. At the same time, the segmented efficiency is evaluated by quantitative indexes of objective evaluation. As a result, the accuracy of micro-image segmentation is guaranteed, and the requirement of three-dimensional reconstruction of brain tissue can be satisfied.

【技术实现步骤摘要】
一种动物脑组织切片显微图像分割方法
本专利技术涉及显微图像处理
，特别是指一种动物脑组织切片显微图像分割方法。
技术介绍
随着计算机技术的迅速发展，生物显微影像技术和设备不断更新，建立基于解剖结构的数字化虚拟人和动物及其器官的三维可视化模型成为各国研究的热点。研究动物脑组织结构，构建动物脑组织的三维可视化模型可以更加清晰地掌握其三维结构，对于动物学的相关科研和教学有着重要的意义。为了实现动物脑组织结构的三维重构，需要利用显微镜观察动物脑组织的结构并采集显微图像，再借助数字图像处理手段实现三维重构，而在实现三维重构的过程中最关键的就是如何根据动物脑组织切片的显微图像分割出有用区域。现阶段的动物在脑组织切片显微图像分割方法大多数依赖于人工全手动分割和部分半自动分割技术。手工分割和半自动分割技术分割效果受操作人员主动影响较大，同时分割效率低，因此亟需一种可以实现动物脑组织切片显微图像全自动高效分割的方法。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种动物脑组织切片显微图像分割方法，以解决现有技术中全部或者部分不足。基于上述目的本专利技术提供的一种动物脑组织切片显微图像分割方法，所本文档来自技高网...

【技术保护点】
1.一种动物脑组织切片显微图像分割方法，其特征在于，所述的分割方法包括如下步骤：(1)显微图像预处理；(2)显微图像小波变换；(3)GA‑FCM图像分割；(4)显微图像小波重构；(5)增强图像的量化评估；(6)分析评价指标是否达到预设；(7)输出显微图像分割的结果。

【技术特征摘要】
1.一种动物脑组织切片显微图像分割方法，其特征在于，所述的分割方法包括如下步骤：(1)显微图像预处理；(2)显微图像小波变换；(3)GA-FCM图像分割；(4)显微图像小波重构；(5)增强图像的量化评估；(6)分析评价指标是否达到预设；(7)输出显微图像分割的结果。2.根据权利要求1所述的动物脑组织切片显微图像分割方法，其特征在于，所述显微图像预处理是采用PCNN(脉冲耦合神经网络)算法，将动物脑组织原始显微图像进行图像预处理，改善显微图像的质量。3.根据权利要求1所述的动物脑组织切片显微图像分割方法，其特征在于，所述显微图像小波变换是对预处理后的显微图像进行小波变换得到水平和垂直方向的高、低频子空间图像，包括如下步骤：(a)首先对预处理后的显微图像的每一行进行1D-DWT，获得原始图像在水平方向上的低频分量L和高频分量H；(b)然后对变换所得数据的每一列进行1D-DWT，获得原始图像在水平和垂直方向上的低频分量LL、水平方向上的低频和垂直方向上的高频LH、水平方向上的高频和垂直方向上的低频HL以及水平和垂直方向上的高频分量HH。4.根据权利要求1所述的动物脑组织切片显微图像分割方法，其特征在于，所述GA-FCM图像分割是使用GA-FCM(遗传优化的模糊C均值聚类算法)对所述显微图像小波变换得到的LL、LH、HL和HH分别进行图像分割，包括如下步骤：(a)初始化和编码操作：首先对算法的参数进行初始化，然后使用二进制编码将直方图中归一化的聚类中心坐标设定为基因，同时随机生成初始种群；(b)计算适应度：F＝a/(b+J)，其中，a,b是可调参数，J为中的目标函数，其中，dik为第k个样本与第i类聚类中心在样本空间上的欧氏距离，uik是第k个样本相对于第i类的隶属度，体现了样本的模糊性，m为加权指数，决定了隶属度即模糊化对分类的影响；(c)选择个体：个体被选择的概率与适应度值成正比，即根据适应度大小...

【专利技术属性】
技术研发人员：刘再群，李蓓，柯成炎，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽,34