[发明专利]高噪声显微图像下的自动检测微管方法

权利要求书

1.高噪声显微图像下的自动检测微管方法，其特征在于：

步骤1：对输入的原始图像平滑去噪得到去燥图像；

步骤2：对预处理图像进行形状滤波去除非管状形状的小块物质得到预处理图像；

步骤3：利用meanshift平滑分割算法和形状滤波对预处理图像的特征空间，进行图像的微管分割；

步骤4：对分割图像二值化转化，根据联通区域的面积阈值对比进一步去除一些残留的污染物；

步骤5：利用形状信息，提取微管的边界信息，并将边界信息画在原图像中。

2.根据权利要求1所述的方法，其特征在于：步骤1中的图像平滑是基于形态学的方法来去噪；采用半径为30-40像素的圆形的被用作结构元素，以除去图像中的噪声。

3.根据权利要求1所述的方法，其特征在于：步骤2中对输入图像去除小块物质的形状滤波是通过构建基于Hessian矩阵的管状形状滤波器：矩阵如下公式(1)：

Hessian矩阵的特征值提供的图像结构信息

特征值计算公式包括公式(2)、(3)、(4)、(5)：

K＝(f_xx+f_yy)/2(4)

假设λ₁＜λ₂,如果λ₁＞λ₂,将互换两者的位置：

构建基于Hessian矩阵的管状滤波器的表达式如下公式(6)：

将公式6的管状滤波器与高斯构建的图像尺度空间融合：假设电镜图像中的微管大小为[d₀,d₁]，首先将用高斯滤波器对图像进行高斯滤波，其高斯滤波器参数为[d₀/4,d₁/4]；其次将用公式6的管状滤波器对图像进行形状滤波，依次交替滤波，直至一定次数停止。

4.根据权利要求3所述的方法，其特征在于：步骤3的meanshift平滑分割算法处理的预处理图像的特征空间包含了管状形状滤波器的区域形状值，灰度信息值，二维位置信息值组成的空间信息值,特征空间表示如公式(7)所示：

其中代表空间信息值，代表灰度信息值，代表区域形状值，h_s,h_r控制着平滑的解析度，C代表相应的归一化参数。

5.根据权利要求1所述的方法，其特征在于：步骤4中设定联通区域的面积阈值为700到1000个像素之间，把联通区域面积小于这一阈值的区域去掉。

6.根据权利要求1或4所述的方法，其特征在于：步骤3的微管分割采用融合策略处理，所述的融合策略包括区域相似融合策略和最小区域融合策略，两者间是或的关系；

区域相似融合策略：如果两个区域的距离小于h_r/2,那么融合；

最小区域融合策略：去掉小的区域。