[发明专利]一种基于自动特征学习的细胞图像分割方法

权利要求书

1.一种基于自动特征学习的细胞图像分割方法，其特征是，它的步骤为：

1）预处理

获取神经细胞原始图像，并将其分为两个图像数量相等的数据库，其中一个数据库作为训练集，另一个数据库作为测试集；并将两个数据库中的原始细胞图像进行预处理；

2）特征提取器的训练

将预处理之后的训练集中的细胞图像输入到深度卷积神经网络组成的可训练的特征提取器中进行监督学习的训练，训练达到收敛之后停止，此时整个深度卷积神经网络作为一个特征提取器；然后利用该特征提取器对训练集和测试集图像进行特征提取；

3）识别

特征提取完后，将深度卷积神经网络的全连接层用随机森林分类器替代，再次利用训练集中的特征提取后的图像对随机森林分类器进行训练；训练完成后，对测试集中的提取特征后的图像利用随机森林分类器进行识别；

4）后处理。

2.如权利要求1所述的基于自动特征学习的细胞图像分割方法，其特征是，所述步骤1）中，所述预处理是利用直方图均衡化和高斯滤波技术实现图像的增强。

3.如权利要求1所述的基于自动特征学习的细胞图像分割方法，其特征是，所述步骤2）中，深度卷积神经网络包括7层，分别是输入层、第一卷积层、第一降采样层、第二卷积层、第二降采样层、全连接层和输出层；

其中第一卷积层包括六个面，第二降采样层包含六个面，降采样率为3，第二卷积层包含十二个面，第二降采样层包含十二个面，降采样率为3；在特征映射时的卷积滤波核大小为5*5，设置完这些参数之后就开始利用训练集来训练特征提取器，在训练多轮收敛后停止。

4.如权利要求1所述的基于自动特征学习的细胞图像分割方法，其特征是，所述步骤3）中，整个识别过程包括了三个阶段，第一阶段是随机森林分类器训练，第二阶段是利用训练好的随机森林分类器对测试集中的细胞图像利用随机森林分类器进行分类，得到分类之后的概率图；第三个阶段是将随机森林分类之后的概率图进行自动阈值的分割。

5.如权利要求4所述的基于自动特征学习的细胞图像分割方法，其特征是，在第一个阶段中，将训练集中的图像提取的特征，输入到随机森林分类器中进行随机森林分类器的训练；一旦随机森林分类器训练完成之后，再对测试集图像进行识别，即利用已提取的测试集的特征，输入到训练好的随机森林分类器进行分类，从而返回测试图像的概率图；第三个阶段将第二个阶段返回的概率图进行自动阈值的分割，得到初步的概率的分割结果。

6.如权利要求1所述的基于自动特征学习的细胞图像分割方法，其特征是，所述步骤4）中，在随机森林分类器返回概率值的基础上，执行自动阈值分割；针对部分难以识别的孤立区域，简单执行了孤立区域的移除操作，得到最终的分割结果。