一种基于多特征融合的寄生虫虫卵的识别方法及系统技术方案

本发明专利技术属于寄生虫虫卵识别技术领域，公开了一种基于多特征融合的寄生虫虫卵的识别方法及系统，所述基于多特征融合的寄生虫虫卵的识别系统包括：虫卵标本制作模块、虫卵图像采集模块、显示模块、中央处理模块、无线传输模块、云服务器、图像分割模块、虫卵图像处理模块、虫卵图像特征提取模块、虫卵特征对比模块和特征分类模块。本发明专利技术虫卵特征对比模块根据提取的虫卵特征与云服务器中下载的虫卵特征进行比对分析。本发明专利技术能够提高识别系统对虫卵的识别度，并且提高了虫卵识别的效率；同时本发明专利技术中云服务器与无线传输模块连接，云服务器对检测的数据进行处理，提高了虫卵识别准确度。

【技术实现步骤摘要】
一种基于多特征融合的寄生虫虫卵的识别方法及系统
本专利技术属于寄生虫虫卵识别
，尤其涉及一种基于多特征融合的寄生虫虫卵的识别方法及系统。
技术介绍
目前，寄生虫(parasite)指具有致病性的低等真核生物，可作为病原体，也可作为媒介传播疾病。寄生虫特征为在宿主或寄主(host)体内或附着于体外以获取维持其生存、发育或者繁殖所需的营养或者庇护的一切生物。许多小动物以寄生的方式生存，依附在比它们更大的动物身上。寄生虫可以改变寄主的行为，以达到自身更好地繁殖生存的目的。人类若受到一些寄生在脑部的寄生虫，如终生寄生在脑部的弓形虫(Toxoplasmosis)，反应能力会降低。虫卵镜检是关键的防治技术，在临床应用广泛。但是现有的寄生虫虫卵的识别过程中，不易对寄生虫虫卵的进行识别，降低了寄生虫虫卵的准确度。同时现有的寄生虫虫卵的识别过程中，不能对寄生虫虫卵图像进行大数据处理，易产生识别的错误。通过上述分析，现有技术存在的问题及缺陷为：(1)现有的寄生虫虫卵的识别过程中，不易对寄生虫虫卵的进行识别，降低了寄生虫虫卵的准确度。(2)现有的寄生虫虫卵的识别过程中，不能对寄生虫虫卵图像进行大数据处理，易产生识别的错误。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于多特征融合的寄生虫虫卵的识别方法及系统。本专利技术是这样实现的，一种基于多特征融合的寄生虫虫卵的识别方法，所述基于多特征融合的寄生虫虫卵的识别方法，包括：步骤一，虫卵标本制作模块提取相应的虫卵液放置在载玻片上，将相应的盖玻片盖在载玻片上，利用吸水纸吸去盖玻片周围溢出的液体；步骤二，虫卵图像采集模块将制作完成的虫卵标本放置在显微镜数字摄像头下，获取虫卵图像；步骤三，虫卵图像处理模块利用图像处理程序将采集的虫卵图像在空域上通过傅立叶变换，对虫卵图像进行描述；并利用图像处理程序进行增强、复原；所述图像增强方法包括：根据采集的虫卵图像，在虫卵图像中RGB颜色通道的直方图的数据进行均衡化运算，并且利用映射表替代RGB颜色通道中的颜色值；根据映射表替代RGB颜色通道中的颜色值，利用亮度调节公式，对通道中的数据做均衡化运算；均衡化运算完成后，根据映射表分别替换R、G、B通道颜色值；步骤四，虫卵图像处理模块利用图像处理程序对增强复原后的图像进行匹配和描述；所述图像描述方法包括：1)利用图像特征提取训练模型，提取虫卵图像中的特征信息；根据提取的图像特征信息，建立相应的局部视觉向量集合；2)根据建立的局部视觉向量集合，利用图像特征提取训练模型，提取包含突出的视觉特征；同时根据提取的突出的视觉特征，与单个局部视觉向量结合融合；3)根据单个局部视觉向量的隐含层状态，动态决定从全局显著性视觉向量中获取哪些视觉特征，确定突出的视觉特征参与比例，对整体虫卵图像进行描述；步骤五，图像分割模块把虫卵图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，并且将分割的图像进行标记；所述图像分割标记方法包括：利用小波变换将虫卵图像直方图分解为不同层次的小波系数；根据虫卵图像分割准则和小波系数选择阈值门限，计算对应的阈值；根据计算出的阈值，对图像分割的区域进行标记；步骤六，虫卵图像特征提取模块根据检测的图像，利用特征提取程序提取虫卵图像特征数据；虫卵特征对比模块根据提取的虫卵特征与云服务器中下载的虫卵特征进行比对分析；对比分析完成后，特征分类模块根据提取的虫卵特征，对分割完成的图像进行分类；步骤七，根据采集和判断的结果数据，中央处理模块控制显示模块利用显示屏显示虫卵识别系统检测或者采集的图像信息；中央处理模块控制无线传输模块通过中央处理模块连接，将检测的数据或者判断的结果传输到云服务器中，实现大数据处理；云服务器将检测的数据进行储存和共享，同时为虫卵识别系统提供相应的数据参考。进一步，所述利用显微镜数字摄像头获取虫卵图像包括：利用显微镜数字图像摄像头下对虫卵标本进行多次采样，并依据采集图像的清晰度、噪点数量参数选择1-3张最优图像作为采集的虫卵图像。进一步，步骤三中，所述虫卵图像傅立叶变换还包括：在虫卵图像傅立叶变换过程中，降低图像的相关性，利用二维滤波，调整压缩图像的变换比率。进一步，步骤六中，所述虫卵图像特征提取模块根据检测的图像，利用特征提取程序提取虫卵图像特征数据过程为：将有关虫卵图像进行灰度化处理，采用Gamma校正法对输入图像进行颜色空间的标准化；输入图像颜色空间的标准化完成后，对图像中每个像素的梯度进行确定；将相应的图像划分成若干小区域，对每个小区域中的梯度直方图进行描述；根据描述完成的梯度直方图，对划分的若干个小区域进行重组，重组完成的虫卵图像中的每个小区域中的特征为虫卵图像中的图像特征。进一步，步骤七中，所述虫卵特征对比模块根据提取的虫卵特征与云服务器中下载的虫卵特征进行比对分析包括：(1)获取提取的图像特征点；(2)将获取的图像特征点与云服务器中下载的虫卵特征之间的一一匹配的特征点对；(3)基于云服务器中下载的虫卵特征图像及获取的图像的各个特征点的分布情况，确定获取的虫卵图像与云服务器中下载的虫卵特征图像的几何相似度；(4)基于确定的虫卵图像与云服务器中下载的虫卵特征图像的几何相似度确定虫卵图像与云服务器中下载的虫卵特征图像之间的相似度；得到对比分析结果。进一步，步骤(4)中，所述基于确定的虫卵图像与云服务器中下载的虫卵特征图像的几何相似度确定虫卵图像与云服务器中下载的虫卵特征图像之间的相似度包括：基于确定的虫卵图像与云服务器中下载的虫卵特征图像的几何相似度以及虫卵图像与云服务器中下载的虫卵特征图像的特征相似度进行虫卵图像与云服务器中下载的虫卵特征图像之间的相似度的确定。本专利技术的另一目的在于提供一种实施所述的基于多特征融合的寄生虫虫卵的识别方法的基于多特征融合的寄生虫虫卵的识别系统，所述基于多特征融合的寄生虫虫卵的识别系统，包括：虫卵标本制作模块，与中央处理模块连接，提取相应的虫卵液放置在载玻片上，将相应的盖玻片盖在载玻片上，利用吸水纸吸去盖玻片周围溢出的液体；虫卵图像采集模块，与中央处理模块连接，将制作完成的虫卵标本放置在显微镜数字摄像头下，获取相应的虫卵图像；显示模块，与中央处理模块连接，通过利用显示屏显示虫卵识别系统检测或者采集的图像信息；中央处理模块，分别与虫卵标本制作模块、虫卵图像采集模块、显示模块、无线传输模块、图像分割模块、虫卵图像处理模块、虫卵图像特征提取模块和特征分类模块连接，协调各个模块的正常运行；图像分割模块，与中央处理模块连接，把虫卵图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，并且将分割的图像进行标记；虫卵图像处理模块，与中央处理模块连接，通过利用的图像处理程序，对图像进行压缩、增强和复原，匹配本文档来自技高网...

【技术保护点】
1.一种基于多特征融合的寄生虫虫卵的识别方法，其特征在于，所述基于多特征融合的寄生虫虫卵的识别方法，包括：/n步骤一，虫卵标本制作模块提取相应的虫卵液放置在载玻片上，将相应的盖玻片盖在载玻片上，利用吸水纸吸去盖玻片周围溢出的液体；/n步骤二，虫卵图像采集模块将制作完成的虫卵标本放置在显微镜数字摄像头下，获取虫卵图像；/n步骤三，虫卵图像处理模块利用图像处理程序将采集的虫卵图像在空域上通过傅立叶变换，对虫卵图像进行描述；并利用图像处理程序进行增强、复原；/n所述图像增强方法包括：/n根据采集的虫卵图像，在虫卵图像中RGB颜色通道的直方图的数据进行均衡化运算，并且利用映射表替代RGB颜色通道中的颜色值；/n根据映射表替代RGB颜色通道中的颜色值，利用亮度调节公式，对通道中的数据做均衡化运算；/n均衡化运算完成后，根据映射表分别替换R、G、B通道颜色值；/n步骤四，虫卵图像处理模块利用图像处理程序对增强复原后的图像进行匹配和描述；/n所述图像描述方法包括：/n1)利用图像特征提取训练模型，提取虫卵图像中的特征信息；根据提取的图像特征信息，建立相应的局部视觉向量集合；/n2)根据建立的局部视觉向量集合，利用图像特征提取训练模型，提取包含突出的视觉特征；同时根据提取的突出的视觉特征，与单个局部视觉向量结合融合；/n3)根据单个局部视觉向量的隐含层状态，动态决定从全局显著性视觉向量中获取哪些视觉特征，确定突出的视觉特征参与比例，对整体虫卵图像进行描述；/n步骤五，图像分割模块把虫卵图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，并且将分割的图像进行标记；/n所述图像分割标记方法包括：利用小波变换将虫卵图像直方图分解为不同层次的小波系数；根据虫卵图像分割准则和小波系数选择阈值门限，计算对应的阈值；根据计算出的阈值，对图像分割的区域进行标记；/n步骤六，虫卵图像特征提取模块根据检测的图像，利用特征提取程序提取虫卵图像特征数据；虫卵特征对比模块根据提取的虫卵特征与云服务器中下载的虫卵特征进行比对分析；对比分析完成后，特征分类模块根据提取的虫卵特征，对分割完成的图像进行分类；/n步骤七，根据采集和判断的结果数据，中央处理模块控制显示模块利用显示屏显示虫卵识别系统检测或者采集的图像信息；中央处理模块控制无线传输模块通过中央处理模块连接，将检测的数据或者判断的结果传输到云服务器中，实现大数据处理；云服务器将检测的数据进行储存和共享，同时为虫卵识别系统提供相应的数据参考。/n...

【技术特征摘要】
1.一种基于多特征融合的寄生虫虫卵的识别方法，其特征在于，所述基于多特征融合的寄生虫虫卵的识别方法，包括：
步骤一，虫卵标本制作模块提取相应的虫卵液放置在载玻片上，将相应的盖玻片盖在载玻片上，利用吸水纸吸去盖玻片周围溢出的液体；
步骤二，虫卵图像采集模块将制作完成的虫卵标本放置在显微镜数字摄像头下，获取虫卵图像；
步骤三，虫卵图像处理模块利用图像处理程序将采集的虫卵图像在空域上通过傅立叶变换，对虫卵图像进行描述；并利用图像处理程序进行增强、复原；
所述图像增强方法包括：
根据采集的虫卵图像，在虫卵图像中RGB颜色通道的直方图的数据进行均衡化运算，并且利用映射表替代RGB颜色通道中的颜色值；
根据映射表替代RGB颜色通道中的颜色值，利用亮度调节公式，对通道中的数据做均衡化运算；
均衡化运算完成后，根据映射表分别替换R、G、B通道颜色值；
步骤四，虫卵图像处理模块利用图像处理程序对增强复原后的图像进行匹配和描述；
所述图像描述方法包括：
1)利用图像特征提取训练模型，提取虫卵图像中的特征信息；根据提取的图像特征信息，建立相应的局部视觉向量集合；
2)根据建立的局部视觉向量集合，利用图像特征提取训练模型，提取包含突出的视觉特征；同时根据提取的突出的视觉特征，与单个局部视觉向量结合融合；
3)根据单个局部视觉向量的隐含层状态，动态决定从全局显著性视觉向量中获取哪些视觉特征，确定突出的视觉特征参与比例，对整体虫卵图像进行描述；
步骤五，图像分割模块把虫卵图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，并且将分割的图像进行标记；
所述图像分割标记方法包括：利用小波变换将虫卵图像直方图分解为不同层次的小波系数；根据虫卵图像分割准则和小波系数选择阈值门限，计算对应的阈值；根据计算出的阈值，对图像分割的区域进行标记；
步骤六，虫卵图像特征提取模块根据检测的图像，利用特征提取程序提取虫卵图像特征数据；虫卵特征对比模块根据提取的虫卵特征与云服务器中下载的虫卵特征进行比对分析；对比分析完成后，特征分类模块根据提取的虫卵特征，对分割完成的图像进行分类；
步骤七，根据采集和判断的结果数据，中央处理模块控制显示模块利用显示屏显示虫卵识别系统检测或者采集的图像信息；中央处理模块控制无线传输模块通过中央处理模块连接，将检测的数据或者判断的结果传输到云服务器中，实现大数据处理；云服务器将检测的数据进行储存和共享，同时为虫卵识别系统提供相应的数据参考。


2.如权利要求1所述的基于多特征融合的寄生虫虫卵的识别方法，其特征在于，所述利用显微镜数字摄像头获取虫卵图像包括：
利用显微镜数字图像摄像头下对虫卵标本进行多次采样，并依据采集图像的清晰度、噪点数量参数选择1-3张最优图像作为采集的虫卵图像。


3.如权利要求1所述的基于多特征融合的寄生虫虫卵的识别方法，其特征在于，步骤三中，所述虫卵图像傅立叶变换还包括：
在虫卵图像傅立叶变换过程中，降低图像的相关性，利用二维滤波，调整压缩图像的变换比率。


4.如权利要求1所述的基于多特征融合的寄生虫虫卵的识别方法，其特征在于，步骤六中，所述虫卵图像特征提取模块根据检测的图像，利用特征提取程序提取虫卵图像特征数据过程为：
将有关虫卵图像进行灰度化处理，采用Gamma校正法对输入图像进行颜色空间的标准化；
输入图像颜色空间的标准化完成后，对图像中每个像素的梯度进行确定；
将相应的图像划分成若干小区域，对每个小区域中的梯度直方图进行描述；
根据描述完成的梯度直方图，对划分的若干个小区域进行...

【专利技术属性】
技术研发人员：刘善辉，
申请(专利权)人：北京语言大学，
类型：发明
国别省市：北京;11