一种基于边缘搜索MRF模型的宫颈细胞图像分割方法技术

本发明专利技术提供一种基于边缘搜索MRF模型的宫颈细胞图像分割方法，(1)针对单个宫颈细胞原始图像进行超像素划分；(2)将划分后的图像建模成一个超像素MRF无向概率图模型；(3)提取每个超像素块的多维特征，基于特征用无监督算法对超像素进行分类，以实现对图像的初步分割，再用自动标签映射机制来确定核、质和背景区所对应的正确语义标签；(4)用边缘搜索MRF求解算法对初步分割结果进一步求精以实现对细胞图像的精确分割。本发明专利技术能够准确高效地对非重叠彩色宫颈单细胞图像进行分割、兼具较高的分割准确率和更快的运算速度。

【技术实现步骤摘要】
一种基于边缘搜索MRF模型的宫颈细胞图像分割方法
本专利技术属于图像处理
，具体涉及一种基于边缘搜索MRF模型的宫颈细胞图像分割方法。
技术介绍
在社会医疗保健领域，新出现的“智慧医疗”是将传统医疗模式、生物化学知识等与人工智能技术进行有机结合，达成患者和医疗资源之间智能互动，从而实现精准医疗、数字化医疗、个性化医疗以及智能辅助医疗等目标的新兴研究领域。借助于人工智能技术，医疗机构将能够更准确、更高效地完成任务，进而提高患者就医舒适度并减少社会资源浪费。目前，随着医疗机构中病患电子档案和病历、医院信息系统等的逐步完善，医院收集到的患者数字图像数据越来越多，宫颈细胞图像也是如此。因此，如何利用宝贵且海量的图像资源辅助医疗工作是医疗工作者及科学工作者面临的新课题。医院采样人员从一位女性身上采集的组织样本包含几十到上百个细胞，那么一百位女性就有上千细胞待查。我国有十几亿人口，符合宫颈癌发病条件的女性也有上亿人次，如果每人每年做一次巴氏测试，粗略估计，至少有几十亿个细胞待逐一观察、判断其是否癌变。医疗人员要从成千上万的宫颈细胞微观图像中，本文档来自技高网...

【技术保护点】
1.一种基于边缘搜索MRF模型的宫颈细胞图像分割方法，其特征在于，包括如下步骤：/n(1)针对单个宫颈细胞原始图像进行超像素划分；/n(2)将划分后的图像建模成一个超像素MRF无向概率图模型，其中概率图模型的结点元素是超像素，并且相邻超像素之间的关系通过图的邻接表形式来表示；/n(3)提取每个超像素块的多维特征，基于特征用无监督算法对超像素进行分类，以实现对图像的初步分割，再用自动标签映射机制来确定核、质和背景区域所对应的正确语义标签；/n(4)用边缘搜索MRF求解算法对初步分割结果进一步求精以实现对细胞图像的精确分割。/n

【技术特征摘要】
1.一种基于边缘搜索MRF模型的宫颈细胞图像分割方法，其特征在于，包括如下步骤：
(1)针对单个宫颈细胞原始图像进行超像素划分；
(2)将划分后的图像建模成一个超像素MRF无向概率图模型，其中概率图模型的结点元素是超像素，并且相邻超像素之间的关系通过图的邻接表形式来表示；
(3)提取每个超像素块的多维特征，基于特征用无监督算法对超像素进行分类，以实现对图像的初步分割，再用自动标签映射机制来确定核、质和背景区域所对应的正确语义标签；
(4)用边缘搜索MRF求解算法对初步分割结果进一步求精以实现对细胞图像的精确分割。


2.根据权利要求1所述的基于边缘搜索MRF模型的宫颈细胞图像分割方法，其特征在于，步骤(1)的具体步骤为：
(1-1)使用非中值滤波技术弱化图像噪声，减弱血细胞、炎症杂质和黏液等噪声的干扰，去噪后的真实估计值为NL[v](i)＝∑j∈Iw(i，j)v(j)，其中，w(i，j)取决于像素i和像素j的相似性，是v(j)像素j的灰度向量；
(1-2)根据像素的相似性将原始图像中的像素点进行无监督分类，先初始化k个聚类中心Ci＝[li，ai，bi，xi，yi，]，每个聚类中心的搜索区域限定于其所在位置2S×2S区域内，其中k是超像素数目，[li，ai，bi]是像素点i的颜色向量，[xi，yi]是像素点i的位置坐标；
(1-3)根据聚类度量值D将每个像素点分配给其最近的聚类中心，其中S为最大空域距离，dc是颜色像素相似性，ds是位置相似性；(1-4)将图像分成非重叠且不规则图像区域小块，这些区域块被用于替代不重叠且规则的栅格状像素块。


3.根据权利要求1所述的基于边缘搜索MRF模型的宫颈细胞图像分割方法，...

【专利技术属性】
技术研发人员：赵理莉，胡彬，朱文杰，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32