[发明专利]基于图像的寄生虫虫卵形状识别方法

说明书

技术领域

本发明属于图像识别技术领域，具体涉及一种基于图像的寄生虫虫卵形状识别方法。

背景技术

计算机在医学中的广泛应用及数字图像处理技术与显微技术的紧密结合，产生了现代图像处理的重要分支—显微医学图像处理。该技术已应用于血球分类、细胞诊断、染色体核型分析和微循环参数检测等医学领域。显微医学图像处理技术有利于提高医学诊断的准确性；特别是模式识别技术与该技术的结合，形成的显微医学图像自动识别技术，更是减轻了医务人员繁重的劳动，为医务人员提供了可靠的诊断依据，大大提高了他们的工作效率。基于图像的寄生虫虫卵识别便是显微医学图像处理技术中的一个重要领域。到目前为止，国内外都有学者对寄生虫病原体的自动识别进行了研究，然而这些研究往往都是基于比较理想化的状态下进行，其实验方法难于胜任实际的检测需要，特别是在杂质较多的情况下，难于获取稳定的识别结果，同时识别效率不高。

发明内容

发明目的：针对现有技术中存在的不足，本发明的目的是提供一种基于图像的寄生虫虫卵形状识别方法，针对实际检测的状况，以满足基于图像的寄生虫虫卵自动识别系统的应用需求，取得较好的识别效果和效率。

技术方案：为了实现上述发明目的，本发明采用的技术方案为：

一种基于图像的寄生虫虫卵形状识别方法，包括以下步骤：

（1）建立要识别的寄生虫虫卵形状归一化边缘空间分布直方图和边缘轮廓区域模板。

（2）图像的灰度归一化处理，即将显微照相设备所获取的检查图像信息进行灰度化处理，对灰度图像进行亮度归一化处理，生成归一化灰度图像。

（3）边缘信息提取，即对归一化灰度图像采用canny算子提取边缘信息，同时滤除长度不在[L1，L2]之间的边缘信息，其中L1和L2为可调参数。

（4）边缘合并，即根据边缘最小包围框是否相交的原则对过滤后的边缘信息进行合并，以形成更完整的若干边缘区域。

（5）边缘区域二次过滤，即将边缘区域大小不在[L3，L4]之间的进行滤除，其中L3和L4为可调参数。

（6）基于边缘空间直方图的形状判断，即依据所建立的要识别寄生虫虫卵形状边缘空间分布直方图和边缘区域信息，对每个候选的边缘区域进行边缘空间分布直方图相似性的判断，其相似度小于Th的则判定为要识别的人体寄生虫卵。

步骤（1）中，建立要识别的寄生虫虫卵形状归一化边缘空间分布直方图和边缘轮廓区域模板，步骤如下：

（1）从要识别的包含寄生虫虫卵的图像中挑选若干幅具有典型不同形状特征的图像；

（2）将显微照相设备所获取的检查图像信息进行灰度化处理，对灰度图像进行亮度归一化处理，生成归一化灰度图像；

（3）交互式勾绘出其边缘轮廓，根据所绘出其边缘轮廓提取该虫卵区域，并进行二值化处理，即虫卵区域位1，其余部分为0；

（4）对二值化图像中的虫卵区域进行对齐处理；

（5）依据二值化后的若干幅具有典型不同形状特征的虫卵图像按公式（1-1）提取边缘区域E，并求出边缘区域E最小正方形区域S；

              （1-1）

其中N为所挑选的图像数量，Bi为第i幅二值化图像，即所有二值化后的虫卵区域的并集减去所有二值化后的虫卵区域的交集，以获取该虫卵的边缘区域。

（6）获取包围边缘E的最小正方形区域S，并以S为边框剪切边缘区域E，得到Et；

（7）将边缘Et按角度相等原则等分为36等份，并分别保存这36个等份区域的二值化图像，同时根据每个等份所包含的值为1的象素个数获取其归一化空间分布累计直方图并保存，即保存了要识别的寄生虫卵图像模板和归一化边缘空间分布累计直方图。

步骤（6）中，基于边缘空间直方图的形状判断过程，包括如下步骤：

（1）将表示要识别的寄生虫虫卵边缘轮廓区域的36幅区域图像以中心点为原点从0度旋转到359度，步长为10度；

（2）每次旋转后都做如公式（1-2）提取各候选区域的边缘区域。

                      （1-2）

其中Ck为第k个候选区域，Ei为寄生虫虫卵边缘轮廓中第i个区域，ei则为在第k个候选区域中提取的第i等份边缘区域。依据ei获取第k个候选区域在该旋转角度下的归一化边缘空间分布累计直方图；

（3）根据公式(1-3)求出每个候选区域与要识别的虫卵边缘信息最相似的角度，如果该角度下的直方图相似度小于Th的则判定该区域为要识别的寄生虫虫卵形状区域；

                        （1-3）