本發(fā)明專利技術(shù)公開了一種用于血細(xì)胞的多重分形紋理特征的提取方法，包括步驟：采集血細(xì)胞的灰度二維圖像并結(jié)合灰度值信息轉(zhuǎn)換為三維空間圖像；構(gòu)建多個(gè)與最大橢球體同重心的等比例橢球面；計(jì)算相鄰的兩橢球面圍成的子空間內(nèi)的各灰度級(jí)的分布概率、灰度均值與灰度級(jí)總數(shù)，計(jì)算加權(quán)系數(shù)，進(jìn)而算得子空間的覆蓋盒子數(shù)；將所有子空間的覆蓋盒子數(shù)累計(jì)獲得三維空間圖像的盒子總數(shù)；將子空間的覆蓋盒子數(shù)除以三維空間圖像的盒子總數(shù)，算得子空間的生長概率；根據(jù)子空間的生長概率，計(jì)算各類細(xì)胞對(duì)應(yīng)的多重分形廣義維數(shù)值作為血細(xì)胞圖像的紋理特征值。本發(fā)明專利技術(shù)能提高分形特征有效性和可用性，有助于分形紋理特征應(yīng)用于識(shí)別系統(tǒng)的提高分類及識(shí)別精度。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及計(jì)算機(jī)圖像處理領(lǐng)域，特別地，涉及一種。
技術(shù)介紹
使用計(jì)算機(jī)圖像處理與模式識(shí)別技術(shù)針對(duì)血細(xì)胞顯微鏡下的圖像進(jìn)行自動(dòng)分析與識(shí)別在醫(yī)學(xué)領(lǐng)域應(yīng)用上具有十分重要的意義。計(jì)算機(jī)處理方式與人工分析相比，速度快且客觀性強(qiáng)。在圖像識(shí)別過程中，是否能夠恰當(dāng)?shù)靥崛〕鲲@微鏡圖像的形狀、顏色和紋理等特征參數(shù)對(duì)識(shí)別結(jié)果的好壞起到?jīng)Q定性的作用。其中，圖像的紋理特征是具有標(biāo)識(shí)性、獨(dú)一無二的。因此大多數(shù)相關(guān)性學(xué)者都致力于圖像紋理的研究。Tamaura等人提出紋理特征表達(dá)主要包括粗糙度(Coarseness)、對(duì)比度(Contrast)、線像度(Linelikeness)、方向度(Directionality)、規(guī)整度(Regularity)和粗略度(Roughness)六種屬性。其中粗糙度是紋理的最重要特征。如何描繪粗糙度紋理對(duì)于紋理分析及處理十分重要。存在于自然界的三維物體大多數(shù)是非規(guī)則的幾何體，表面都具有分形特征，包括自相似性和標(biāo)度不變性。從整體上來看，分形物體是處處不規(guī)則的，然而在不同尺度上規(guī)則性又是相像的。這些相似性的體現(xiàn)包括嚴(yán)格的幾何相似性，也包括大量的統(tǒng)計(jì)而得出的自相似性。三維物體表面的二維灰度圖像也具有分形特征。因此分形理論發(fā)展成為描述圖像紋理特征的有效模型。分形維數(shù)是分形圖像處理中主要的度量工具，一般定義維數(shù)的方法有Hausdorff維數(shù)、盒計(jì)數(shù)維數(shù)、功率譜維數(shù)、以及信息維數(shù)等。不同定義下的分形維數(shù)取值不同，且隨著圖像變化反映出的變化趨勢也是不同的。在圖像處理領(lǐng)域，盒計(jì)數(shù)維數(shù)是目前應(yīng)用最廣泛的。對(duì)于圖像區(qū)域均勻規(guī)則的理想對(duì)象，通常選用單一的分形維數(shù)算法計(jì)算其紋理特征。然而，對(duì)于顯微鏡采集到的不規(guī)則、紊亂的不理想血細(xì)胞圖像，通常需要選擇多重分形維數(shù)特征提取算法來計(jì)算圖像的粗糙度，能夠彌補(bǔ)單一分形維數(shù)不能描述局部紋理特征缺陷。不僅如此，多重分形維數(shù)還能夠體現(xiàn)出分形體在不同層次上的分形特征。通常紋理特征的決定因素包括位置、尺度、方向及紋理基元形狀等。綜上可知，多重分形維數(shù)特征提取方法能否用反映出同一細(xì)胞圖片在經(jīng)過平移、旋轉(zhuǎn)、尺度變化不同狀態(tài)下的紋理特征的一致性主要關(guān)鍵技術(shù)在于如何計(jì)算覆蓋區(qū)域的盒子數(shù)方法。現(xiàn)有的基于盒計(jì)數(shù)維數(shù)的多重分形維數(shù)方法是結(jié)合網(wǎng)格分形方法來計(jì)算需要覆蓋整個(gè)圖像區(qū)域的盒子數(shù)，這種計(jì)算方法在圖像平移、尺度、旋轉(zhuǎn)變化后得到的盒子數(shù)都可能發(fā)生變化。尤其是這類由細(xì)胞中所含染色質(zhì)顆粒大小、分布情況等決定的表面灰度紋理信息的圖像，必然會(huì)出現(xiàn)加大的改變。導(dǎo)致紋理信息在同一種計(jì)算分形維數(shù)方法下，圖像在經(jīng)過一系列線性幾何變化后計(jì)算得到的數(shù)值不能反映同一紋理特征。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)目的在于提供一種基于等比例橢球面空間距離統(tǒng)計(jì)，采用高階分形特征表示血細(xì)胞的多重分形紋理特征，并能提高分形特征可用性的，以解決血細(xì)胞圖像在經(jīng)過平移、尺度和旋轉(zhuǎn)變化后紋理特征值變化范圍較大，現(xiàn)有計(jì)算方法不能反映同一紋理特性的技術(shù)問題。為實(shí)現(xiàn)上述目的，本專利技術(shù)提供了一種，包括以下步驟S1:在顯微鏡下采集血細(xì)胞的灰度二維圖像，結(jié)合所述灰度二維圖像中的各像素點(diǎn)的灰度值將所述灰度二維圖像轉(zhuǎn)換為三維空間圖像；S2:構(gòu)建覆蓋所述三維空間圖像中所有的點(diǎn)的最大橢球體，并在所述最大橢球體內(nèi)部構(gòu)造多個(gè)與所述最大橢球體同重心的等比例橢球面；S3 :計(jì)算相鄰的兩橢球面圍成的子空間內(nèi)的各灰度級(jí)的分布概率；S4 :計(jì)算子空間內(nèi)的灰度級(jí)總數(shù)與灰度均值，并將二者的比值作為加權(quán)系數(shù)；找出子空間中分布概率最大的灰度級(jí)和分布概率最小的灰度級(jí)以及二者的差值；然后將所有子空間的所述差值乘以所述加權(quán)系數(shù)，算得子空間的覆蓋盒子數(shù)；S5 :將所有子空間的覆蓋盒子數(shù)累計(jì)獲得所述三維空間圖像的盒子總數(shù)；將所述子空間的覆蓋盒子數(shù)除以所述三維空間圖像的盒子總數(shù)，算得子空間的生長概率；S6:根據(jù)所述子空間的生長概率，計(jì)算多重分形廣義維數(shù)值作為血細(xì)胞圖像的紋理特征值。作為本專利技術(shù)的進(jìn)一步改進(jìn)所述步驟SI中，在顯微鏡下采集血細(xì)胞的灰度二維圖像后，先將所述灰度二維圖像進(jìn)行分割，再對(duì)分割后的灰度二維圖像進(jìn)行后續(xù)步驟。所述最大橢球體的構(gòu)建方法，包括以下步驟找出所述三維空間圖像中所述灰度二維圖像(x，y)平面上對(duì)應(yīng)的最大等效橢圓的長軸和短軸bmax;然后找出垂直于所述灰度二維圖像(X，y)平面的最大距離Cmax，則三維空間圖像的最大等效橢球面Kmax如下權(quán)利要求1.一種，其特征在于，包括以下步驟 S1:在顯微鏡下采集血細(xì)胞的灰度二維圖像，結(jié)合所述灰度二維圖像中的各像素點(diǎn)的灰度值將所述灰度二維圖像轉(zhuǎn)換為三維空間圖像； 52:構(gòu)建覆蓋所述三維空間圖像中所有的點(diǎn)的最大橢球體，并在所述最大橢球體內(nèi)部構(gòu)造多個(gè)與所述最大橢球體同重心的等比例橢球面； 53:計(jì)算相鄰的兩橢球面圍成的子空間內(nèi)的各灰度級(jí)的分布概率； S4:計(jì)算子空間內(nèi)的灰度均值與灰度級(jí)總數(shù)，并將二者的比值作為加權(quán)系數(shù)；找出子空間中分布概率最大的灰度級(jí)和分布概率最小的灰度級(jí)以及二者的差值；然后將所有子空間的所述差值乘以所述加權(quán)系數(shù)，算得子空間的覆蓋盒子數(shù)； S5 :將所有子空間的覆蓋盒子數(shù)累計(jì)獲得所述三維空間圖像的盒子總數(shù)；將所述子空間的覆蓋盒子數(shù)除以所述三維空間圖像的盒子總數(shù)，算得子空間的生長概率； S6:根據(jù)所述子空間的生長概率，計(jì)算各類細(xì)胞對(duì)應(yīng)的多重分形廣義維數(shù)值作為血細(xì)胞圖像的紋理特征值。2.根據(jù)權(quán)利要求1所述的，其特征在于，所述步驟SI中，在顯微鏡下采集血細(xì)胞的灰度二維圖像后，先將所述灰度二維圖像進(jìn)行分害I]，再對(duì)分割后的灰度二維圖像進(jìn)行后續(xù)步驟。3.根據(jù)權(quán)利要求2所述的，其特征在于，所述最大橢球體的構(gòu)建方法，包括以下步驟 找出所述三維空間圖像中所述灰度二維圖像(x，y)平面上對(duì)應(yīng)的最大等效橢圓的長軸a_和短軸b_ ;然后找出垂直于所述灰度二維圖像(x，y)平面的最大距離Cmax，則三維空間圖像的最大等效捕球面Kmax如下4.根據(jù)權(quán)利要求3所述的，其特征在于，所述多個(gè)與所述最大橢球體同重心的等比例橢球面中第k個(gè)橢球面的計(jì)算公式為5.根據(jù)權(quán)利要求4所述的，其特征在于，所述各類細(xì)胞對(duì)應(yīng)的多重分形廣義維數(shù)值是采用q階廣義多重分形維數(shù)計(jì)算方法進(jìn)行計(jì)算的，計(jì)算公式如下6.根據(jù)權(quán)利要求5所述的，其特征在于，所述q=4。全文摘要本專利技術(shù)公開了一種，包括步驟采集血細(xì)胞的灰度二維圖像并結(jié)合灰度值信息轉(zhuǎn)換為三維空間圖像；構(gòu)建多個(gè)與最大橢球體同重心的等比例橢球面；計(jì)算相鄰的兩橢球面圍成的子空間內(nèi)的各灰度級(jí)的分布概率、灰度均值與灰度級(jí)總數(shù)，計(jì)算加權(quán)系數(shù)，進(jìn)而算得子空間的覆蓋盒子數(shù)；將所有子空間的覆蓋盒子數(shù)累計(jì)獲得三維空間圖像的盒子總數(shù)；將子空間的覆蓋盒子數(shù)除以三維空間圖像的盒子總數(shù)，算得子空間的生長概率；根據(jù)子空間的生長概率，計(jì)算各類細(xì)胞對(duì)應(yīng)的多重分形廣義維數(shù)值作為血細(xì)胞圖像的紋理特征值。本專利技術(shù)能提高分形特征有效性和可用性，有助于分形紋理特征應(yīng)用于識(shí)別系統(tǒng)的提高分類及識(shí)別精度。文檔編號(hào)G06K9/46GK102999754SQ201210417989公開日2013年3月27日 申請日期2012年10月26日 優(yōu)先權(quán)日2012年10月26日專利技術(shù)者丁建文, 梁光明, 周豐良 申請人:湖南愛威科技股份有限公司本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種用于血細(xì)胞的多重分形紋理特征的提取方法，其特征在于，包括以下步驟：S1：在顯微鏡下采集血細(xì)胞的灰度二維圖像，結(jié)合所述灰度二維圖像中的各像素點(diǎn)的灰度值將所述灰度二維圖像轉(zhuǎn)換為三維空間圖像；S2：構(gòu)建覆蓋所述三維空間圖像中所有的點(diǎn)的最大橢球體，并在所述最大橢球體內(nèi)部構(gòu)造多個(gè)與所述最大橢球體同重心的等比例橢球面；S3：計(jì)算相鄰的兩橢球面圍成的子空間內(nèi)的各灰度級(jí)的分布概率；S4：計(jì)算子空間內(nèi)的灰度均值與灰度級(jí)總數(shù)，并將二者的比值作為加權(quán)系數(shù)；找出子空間中分布概率最大的灰度級(jí)和分布概率最小的灰度級(jí)以及二者的差值；然后將所有子空間的所述差值乘以所述加權(quán)系數(shù)，算得子空間的覆蓋盒子數(shù)；S5：將所有子空間的覆蓋盒子數(shù)累計(jì)獲得所述三維空間圖像的盒子總數(shù)；將所述子空間的覆蓋盒子數(shù)除以所述三維空間圖像的盒子總數(shù)，算得子空間的生長概率；S6：根據(jù)所述子空間的生長概率，計(jì)算各類細(xì)胞對(duì)應(yīng)的多重分形廣義維數(shù)值作為血細(xì)胞圖像的紋理特征值。
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：丁建文，梁光明，周豐良，
申請(專利權(quán))人：湖南愛威科技股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。