本发明专利技术公开了一种用于血细胞的多重分形纹理特征的提取方法，包括步骤：采集血细胞的灰度二维图像并结合灰度值信息转换为三维空间图像；构建多个与最大椭球体同重心的等比例椭球面；计算相邻的两椭球面围成的子空间内的各灰度级的分布概率、灰度均值与灰度级总数，计算加权系数，进而算得子空间的覆盖盒子数；将所有子空间的覆盖盒子数累计获得三维空间图像的盒子总数；将子空间的覆盖盒子数除以三维空间图像的盒子总数，算得子空间的生长概率；根据子空间的生长概率，计算各类细胞对应的多重分形广义维数值作为血细胞图像的纹理特征值。本发明专利技术能提高分形特征有效性和可用性，有助于分形纹理特征应用于识别系统的提高分类及识别精度。
【技术实现步骤摘要】
本专利技术涉及计算机图像处理领域，特别地，涉及一种。
技术介绍
使用计算机图像处理与模式识别技术针对血细胞显微镜下的图像进行自动分析与识别在医学领域应用上具有十分重要的意义。计算机处理方式与人工分析相比，速度快且客观性强。在图像识别过程中，是否能够恰当地提取出显微镜图像的形状、颜色和纹理等特征参数对识别结果的好坏起到决定性的作用。其中，图像的纹理特征是具有标识性、独一无二的。因此大多数相关性学者都致力于图像纹理的研究。Tamaura等人提出纹理特征表达主要包括粗糙度(Coarseness)、对比度(Contrast)、线像度(Linelikeness)、方向度(Directionality)、规整度(Regularity)和粗略度(Roughness)六种属性。其中粗糙度是纹理的最重要特征。如何描绘粗糙度纹理对于纹理分析及处理十分重要。存在于自然界的三维物体大多数是非规则的几何体，表面都具有分形特征，包括自相似性和标度不变性。从整体上来看，分形物体是处处不规则的，然而在不同尺度上规则性又是相像的。这些相似性的体现包括严格的几何相似性，也包括大量的统计而得出的自相似性。三维物体表面的二维灰度图像也具有分形特征。因此分形理论发展成为描述图像纹理特征的有效模型。分形维数是分形图像处理中主要的度量工具，一般定义维数的方法有Hausdorff维数、盒计数维数、功率谱维数、以及信息维数等。不同定义下的分形维数取值不同，且随着图像变化反映出的变化趋势也是不同的。在图像处理领域，盒计数维数是目前应用最广泛的。对于图像区域均匀规则的理想对象，通常选用单一的分形维数算法计算其纹理特征。然而，对于显微镜采集到的不规则、紊乱的不理想血细胞图像，通常需要选择多重分形维数特征提取算法来计算图像的粗糙度，能够弥补单一分形维数不能描述局部纹理特征缺陷。不仅如此，多重分形维数还能够体现出分形体在不同层次上的分形特征。通常纹理特征的决定因素包括位置、尺度、方向及纹理基元形状等。综上可知，多重分形维数特征提取方法能否用反映出同一细胞图片在经过平移、旋转、尺度变化不同状态下的纹理特征的一致性主要关键技术在于如何计算覆盖区域的盒子数方法。现有的基于盒计数维数的多重分形维数方法是结合网格分形方法来计算需要覆盖整个图像区域的盒子数，这种计算方法在图像平移、尺度、旋转变化后得到的盒子数都可能发生变化。尤其是这类由细胞中所含染色质颗粒大小、分布情况等决定的表面灰度纹理信息的图像，必然会出现加大的改变。导致纹理信息在同一种计算分形维数方法下，图像在经过一系列线性几何变化后计算得到的数值不能反映同一纹理特征。
技术实现思路
本专利技术目的在于提供一种基于等比例椭球面空间距离统计，采用高阶分形特征表示血细胞的多重分形纹理特征，并能提高分形特征可用性的，以解决血细胞图像在经过平移、尺度和旋转变化后纹理特征值变化范围较大，现有计算方法不能反映同一纹理特性的技术问题。为实现上述目的，本专利技术提供了一种，包括以下步骤S1:在显微镜下采集血细胞的灰度二维图像，结合所述灰度二维图像中的各像素点的灰度值将所述灰度二维图像转换为三维空间图像；S2:构建覆盖所述三维空间图像中所有的点的最大椭球体，并在所述最大椭球体内部构造多个与所述最大椭球体同重心的等比例椭球面；S3 :计算相邻的两椭球面围成的子空间内的各灰度级的分布概率；S4 :计算子空间内的灰度级总数与灰度均值，并将二者的比值作为加权系数；找出子空间中分布概率最大的灰度级和分布概率最小的灰度级以及二者的差值；然后将所有子空间的所述差值乘以所述加权系数，算得子空间的覆盖盒子数；S5 :将所有子空间的覆盖盒子数累计获得所述三维空间图像的盒子总数；将所述子空间的覆盖盒子数除以所述三维空间图像的盒子总数，算得子空间的生长概率；S6:根据所述子空间的生长概率，计算多重分形广义维数值作为血细胞图像的纹理特征值。作为本专利技术的进一步改进所述步骤SI中，在显微镜下采集血细胞的灰度二维图像后，先将所述灰度二维图像进行分割，再对分割后的灰度二维图像进行后续步骤。所述最大椭球体的构建方法，包括以下步骤找出所述三维空间图像中所述灰度二维图像(x，y)平面上对应的最大等效椭圆的长轴和短轴bmax;然后找出垂直于所述灰度二维图像(X，y)平面的最大距离Cmax，则三维空间图像的最大等效椭球面Kmax如下权利要求1.一种，其特征在于，包括以下步骤 S1:在显微镜下采集血细胞的灰度二维图像，结合所述灰度二维图像中的各像素点的灰度值将所述灰度二维图像转换为三维空间图像； 52:构建覆盖所述三维空间图像中所有的点的最大椭球体，并在所述最大椭球体内部构造多个与所述最大椭球体同重心的等比例椭球面； 53:计算相邻的两椭球面围成的子空间内的各灰度级的分布概率； S4:计算子空间内的灰度均值与灰度级总数，并将二者的比值作为加权系数；找出子空间中分布概率最大的灰度级和分布概率最小的灰度级以及二者的差值；然后将所有子空间的所述差值乘以所述加权系数，算得子空间的覆盖盒子数； S5 :将所有子空间的覆盖盒子数累计获得所述三维空间图像的盒子总数；将所述子空间的覆盖盒子数除以所述三维空间图像的盒子总数，算得子空间的生长概率； S6:根据所述子空间的生长概率，计算各类细胞对应的多重分形广义维数值作为血细胞图像的纹理特征值。2.根据权利要求1所述的，其特征在于，所述步骤SI中，在显微镜下采集血细胞的灰度二维图像后，先将所述灰度二维图像进行分害I]，再对分割后的灰度二维图像进行后续步骤。3.根据权利要求2所述的，其特征在于，所述最大椭球体的构建方法，包括以下步骤 找出所述三维空间图像中所述灰度二维图像(x，y)平面上对应的最大等效椭圆的长轴a_和短轴b_ ;然后找出垂直于所述灰度二维图像(x，y)平面的最大距离Cmax，则三维空间图像的最大等效捕球面Kmax如下4.根据权利要求3所述的，其特征在于，所述多个与所述最大椭球体同重心的等比例椭球面中第k个椭球面的计算公式为5.根据权利要求4所述的，其特征在于，所述各类细胞对应的多重分形广义维数值是采用q阶广义多重分形维数计算方法进行计算的，计算公式如下6.根据权利要求5所述的，其特征在于，所述q=4。全文摘要本专利技术公开了一种，包括步骤采集血细胞的灰度二维图像并结合灰度值信息转换为三维空间图像；构建多个与最大椭球体同重心的等比例椭球面；计算相邻的两椭球面围成的子空间内的各灰度级的分布概率、灰度均值与灰度级总数，计算加权系数，进而算得子空间的覆盖盒子数；将所有子空间的覆盖盒子数累计获得三维空间图像的盒子总数；将子空间的覆盖盒子数除以三维空间图像的盒子总数，算得子空间的生长概率；根据子空间的生长概率，计算各类细胞对应的多重分形广义维数值作为血细胞图像的纹理特征值。本专利技术能提高分形特征有效性和可用性，有助于分形纹理特征应用于识别系统的提高分类及识别精度。文档编号G06K9/46GK102999754SQ201210417989公开日2013年3月27日 申请日期2012年10月26日 优先权日2012年10月26日专利技术者丁建文, 梁光明, 周丰良 申请人:湖南爱威科技股份有限公司本文档来自技高网...
【技术保护点】
一种用于血细胞的多重分形纹理特征的提取方法，其特征在于，包括以下步骤：S1：在显微镜下采集血细胞的灰度二维图像，结合所述灰度二维图像中的各像素点的灰度值将所述灰度二维图像转换为三维空间图像；S2：构建覆盖所述三维空间图像中所有的点的最大椭球体，并在所述最大椭球体内部构造多个与所述最大椭球体同重心的等比例椭球面；S3：计算相邻的两椭球面围成的子空间内的各灰度级的分布概率；S4：计算子空间内的灰度均值与灰度级总数，并将二者的比值作为加权系数；找出子空间中分布概率最大的灰度级和分布概率最小的灰度级以及二者的差值；然后将所有子空间的所述差值乘以所述加权系数，算得子空间的覆盖盒子数；S5：将所有子空间的覆盖盒子数累计获得所述三维空间图像的盒子总数；将所述子空间的覆盖盒子数除以所述三维空间图像的盒子总数，算得子空间的生长概率；S6：根据所述子空间的生长概率，计算各类细胞对应的多重分形广义维数值作为血细胞图像的纹理特征值。
【技术特征摘要】
【专利技术属性】
技术研发人员：丁建文，梁光明，周丰良，
申请(专利权)人：湖南爱威科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。