[发明专利]基于马尔可夫随机场理论的鼠脑切片显微图像分割方法

说明书

技术领域

本发明属于生物显微图像处理技术领域，具体涉及一种基于马尔可夫随机场理论的鼠脑切片显微图像分割方法。

背景技术

显微图像中细胞的分割是生物学及生命科学等研究领域的基础性问题。鼠脑切片显微图像是在高分辨率显微镜下观察到的脑组织图像，其中神经细胞的准确识别对于深入分析生物遗传代谢机理具有重要意义。实验前期在鼠的FOS基因上添加绿色荧光蛋白基因，当FOS基因在神经细胞中表达成C-FOS蛋白时，结合在其上的荧光蛋白基因同时表达，通过分子显微镜摄像，可以拍摄到包含荧光蛋白的神经细胞的轮廓。但是鼠脑切片图像尤其精细，并且存在大量的无规律的噪声，部分区域细胞与噪声融合严重，细胞形态不一，这些都给分割造成了极大的困难。

现有的图像分割技术难以细致刻画图像的局部特征，并且经常将显微图像中繁多的噪声点错分为神经细胞。为了完成对鼠脑切片显微图像的正确分割，必须准确度量像素及其邻域信息。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于马尔可夫随机场理论的鼠脑切片显微图像分割方法，解决独立的高斯分布无法准确描述噪声和细胞的灰度信息问题。

技术方案

一种基于马尔可夫随机场理论的鼠脑切片显微图像的分割方法，其特征在于步骤如下：

步骤1、训练高斯混合模型：通过期望最大化算法，估计出描述图像灰度特征的高斯混合分布的参数，参数包括均值μ_l、方差和权重π_l，具体计算步骤为：

步骤a：初始化参数：

πl0=NlN]]>

μl0=1NlΣs=1Nlys]]>

σl02=1NlΣs=1Nl(ys-μl)2]]>

其中，N_l表示属于第l类像素的数目，N表示像素的总数，y_s代表像素s的灰度值，l∈{1,2}表示像素s的分类标记：l=1代表细胞，l=2代表背景；

步骤b：求隐变量的期望：