[发明专利]图像特征检测

说明书

提供了一种方法及相应的设备，用于辨识图像中的特征。所述方法包括为所述图像中的每个像素或像素的群组确定数个特性值，及在一目标区域中的所述数个像素的所述数个特性值的基础上，为所述图像的所述目标区域确定一置信度值。所述数个特性值中的各者与所述特征的一个不同的特性相关。所述置信度值指示所述特征是否由所述图像的所述目标区域所表现。

技术领域

本发明涉及一种用于检测图像特征的方法及系统。在一些示例中，所述系统及方法可以被用于识别一体外胚胎(in-vitro embryo)中的形态学改变或形态动力学参数。然而，所述系统及方法的数个面向是可被广泛应用的。

背景技术

计算机视觉领域涉及到允许一计算机自图像及视频获取详细信息的科技及技术的发展。此领域的一个分支是关于“特征检测”。在特征检测中，图像处理被用于辨识一图像或视频的特定特征(features)或特性(characteristics)。近年来，许多图像处理技术已被发展出来，以辨识在一图像中的特征的存在，或所述特征的特性。

目前，现存的图像分析方法经常运用机器学习演算法及人工神经网络。这些手段仰赖在数个图像的一大型样本上“训练”一系统，所述数个图像中的一些含有正被考虑的特征。通过将所述图像是否含有所述特征的知识提供给所述系统，所述系统将会“学习”如何在未来的“未经学习的”图像中辨识所述特征。在训练阶段中被提供的样本越多，一般地，所述系统在预测所述特征在后续的图像中的存在上就变得越可靠。

在这些机器学习技术被广泛使用的同时，它们受到数个缺点的危害。首先，由于获得可靠结果所需的大数量的样本，所述训练程序可能是耗时的且计算密集(computationally intensive)的。这也要求许多样本在所述系统的首次使用之前是可获得的。在新的研究领域中或在样本不是可轻易取得的领域中，情形未必是如此。

第二，这些方法经常在一特征是隐微的(subtle)或未被清楚界定的情况下，在比如边缘检测的程序中遭遇困难。举例而言，许多当前技术可以容易地辨识并凸显一只狗在一图像中的存在，相同的演算法可能难以挑出蒸气或烟雾的存在或位置，因为特征界线不是被同样清楚地界定的。一机器学习演算法可能能够学会做上述的事务，但这很可能需要不切实际的数量的样本图像以进行训练。

这些问题普遍存在的一应用的一示例是体外受精(IVF)筛检。在此程序中，一经受精胚胎的一图像被在植入前被分析，以确定所述胚胎在植入程序时，及在所述植入程序之后的成功似然率。这是一个不总是可能获得足够大的成功与非成功的胚胎图像的样本以训练一机器学习演算法的领域。此外，在图像中的需要被辨识的数个特征(例如，数个原核(pronuclei))，即使是对于熟练的观察者(亦即，一胚胎学家)而言也经常是几乎不可区辨的，且在外表上可能是高度可变的。这意谓着将一演算法训练至可靠的水准需要更多的样本。

本发明试图提供在图像中的特征检测的一改进的系统及方法。

发明内容

本发明提供了根据随附的权利要求的一方法及系统，用于辨识在一图像中的一特征。

根据本发明的一个面向，提供了一种辨识图像中的特征的方法，所述方法包含步骤：为所述图像中的每个像素或像素的群组确定数个特性值，其中所述数个特性值中的各者与所述特征的一个不同的特性相关；及，在一目标区域中的所述数个像素的所述数个特性值的基础上，为所述图像的所述目标区域确定一置信度值，其中所述置信度值指示所述特征是否由所述图像的所述目标区域所表现。

所述特性值可以与所述像素或像素的群组是否包括各自特性的一概率相关。

确定数个特性值可以包含为所述像素或像素的群组的每个特性确定一对数似然比。

所述对数似然比可以在所述像素或像素的群组及一背景区域的基础上被确定。

所述数个特性值的一个或多个可以与所述像素或像素的群组及所述背景区域之间的对比度的一水平相关。