[发明专利]图像识别方法和装置、分析仪器和存储介质

说明书

本发明公开一种图像识别方法和装置、分析仪器和存储介质。该图像识别方法包括：提取待识别分割图像中的有效连通区域的多个特征值，待识别分割图像包括一个有效连通区域；从多个特征值中选取相关性系数最小的m个特征值，m为大于等于2的整数；根据m个特征值和预设的神经网络，得到有效连通区域的成分类别，预设的神经网络根据提取自多张分割图像的有效连通区域的多个特征值和对应的成分类别训练得到。采用本发明实施例中的技术方案，能够提高图像成分识别的准确率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像识别方法和装置、分析仪器和存储介质。

背景技术

随着图像处理技术在医疗领域的应用扩展，越来越多的医疗设备需要基于图像处理技术实现其功能。以尿沉渣分析仪为例，其工作原理为：由照相机将尿液样本拍摄成图像序列，然后利用图像处理技术实现对各图像中有形成分的分割和识别，在提高设备检测效率同时，也有助于减少医生的工作量。尿液中的有形成分较多，包括：红细胞、白细胞、结晶、精子、透明管型、病理管型等。且尿液中除有形成分以外，还存在各种各样的杂质成分，这些杂质可能来源于：样本液体中破碎的细胞和鞘流液中的气泡等。

由于这些有形成分以及杂质成分的灰度像素差异和形态差异较大，仅通过单一的图像处理技术难以将其一一识别出来，导致图像成分识别的准确率较低。

发明内容

本发明实施例提供了一种图像识别方法和装置、分析仪器和存储介质，能够提高图像成分识别的准确率。

第一方面，本发明实施例提供一种图像识别方法，该图像识别方法包括：

提取待识别分割图像中的有效连通区域的多个特征值，待识别分割图像包括一个有效连通区域；

从多个特征值中选取相关性系数最小的m个特征值，m为大于等于2的整数；

根据m个特征值和预设的神经网络，得到有效连通区域的成分类别，预设的神经网络根据提取自多张分割图像的有效连通区域的多个特征值和对应的成分类别训练得到。

在第一方面的一种可能的实施方式中，特征值包括：形状类特征值、像素分布类特征值、基于灰度共生矩阵的纹理类特征值和基于灰度与梯度共生矩阵的纹理类特征值。

在第一方面的一种可能的实施方式中，根据m个特征值和预设的神经网络，得到有效连通区域的成分类别，包括：对m个特征值进行归一化处理；根据m个特征值的归一化结果和预设的神经网络，得到有效连通区域的成分类别。

在第一方面的一种可能的实施方式中，该方法还包括：从成分类别已知的多张分割图像中选取预定比例的分割图像作为训练集；根据训练集中各分割图像的有效连通区域的多个特征值和对应的成分类别对初始神经网络进行训练；对训练后的神经网络进行验证；若验证通过，则将训练后的神经网络作为预设的神经网络。

在第一方面的一种可能的实施方式中，对训练后的神经网络进行验证，包括；将成分类别已知的多张分割图像中除预定比例外的其他分割图像作为测试集；根据测试集中各分割图像的有效连通区域的多个特征值和对应的成分类别，对训练后的神经网络进行验证。

在第一方面的一种可能的实施方式中，预定比例大于或者等于二分之一。

在第一方面的一种可能的实施方式中，预设的神经网络的输入层神经元的个数为m。

在第一方面的一种可能的实施方式中，预设的神经网络的输出层神经元的个数为N+1，N为待分割图像所属样本中有形成分的总类别数，1为杂质成分。

在第一方面的一种可能的实施方式中，预设的神经网络的隐藏层神经元的个数为其中，m为输入层神经元的个数，N+1为输出层神经元的个数，λ为0到10之间的任一整数。

第二方面，本发明实施例提供一种图像识别装置，该装置包括：