[发明专利]一种基于深度学习算法的牛乳体细胞图像识别方法及系统

权利要求书

1.一种基于深度学习算法的牛乳体细胞图像识别方法，其特征在于，基于深度学习算法的牛乳体细胞图像识别方法包括：系统利用数字摄像模块拍摄牛乳体细胞切片，并生成图像信号；利用预处理模块对图像信号进行预处理；利用压缩感知模块根据预处理后的图像信号建立稀疏系数表示；利用细胞识别模块根据稀疏系数表示，计算待识别牛乳体细胞与每一类训练样本细胞的线性加权差值r_i(y)，并选择差值最小的训练样本的所属类别作为牛乳体细胞样本类别。

2.如权利要求1所述基于深度学习算法的牛乳体细胞图像识别方法，其特征在于，系统利用数字摄像模块拍摄牛乳体细胞切片并生成图像信号包括：

系统通过数字摄像模块，利用适配镜基于预设重叠比例对显微镜下的牛乳体细胞切片样本进行逐视野扫描，获得待识别的牛乳体细胞图像；

从待识别的牛乳体细胞图像中识别出至少一个细胞团区域图像，并从细胞团区域图像中识别出各个单细胞区域图像以及标准细胞图像；

将单细胞区域图像和标准细胞图像进行比对，并将图像比对结果输入训练好的细胞识别模型中，确定牛乳体细胞图像信号。

3.如权利要求1所述基于深度学习算法的牛乳体细胞图像识别方法，其特征在于，利用预处理模块对图像信号进行图像预处理包括对细胞图像灰度化处理、图像增强处理以及图像分割处理；

其中，对细胞图像灰度化处理包括：

根据获取牛乳体细胞的图像，建立YUV的颜色空间；在YUV的颜色空间中，设定Y的分量为电缆隧道中的环境图像和电缆的状态图像的亮度；

通过RGB和YUV颜色空间的变化关系，建立亮度Y与R、G、B三个颜色分量的对应关系：Y＝0.3R+0.59G+0.11B；

根据建立的对应关系，对全部环境图像和电缆的状态图像进行处理，分别得出各个图像的亮度，作为各个图像的灰度值；

对细胞图像图像增强处理包括：

提供由呈矩阵式排布的多个像素组成的图像，并将图像转换为灰阶图；

计算同一列相邻两行像素的灰阶值的差的绝对值Q1和第一灰阶值权重k1；

每同一列相邻两行像素的灰阶值的差的绝对值Q1的计算公式为：

Q1＝abs(Gray(i,j)-Gray(i+1,j))；

第一灰阶值权重k1的计算公式为：

其中，灰阶值差的绝对值Q1的取值范围为0至255，n为大于1的正整数；

依据第一灰阶值权重k1与同一列相邻两行像素的灰阶值进行累加计算；

其中，i、j为正整数，分别代表像素所在的行数与列数，Gray(i,j)为第i行第j列像素的灰阶值，Gray(i+1,j)为第i+1行第j列像素的灰阶值，H1(a)为灰阶值为a的像素数量，C1(X)为从灰阶值Gray(i,j)到灰阶值Gray(i+1,j)之间各个灰阶值对应的像素数量之和；

计算同一行相邻两列像素的灰阶值的差的绝对值Q2和第二灰阶值权重k2；

每同一行相邻两列像素的灰阶值的差的绝对值Q2的计算公式为：

Q2＝abs(Gray(i,j)-Gray(i,j+1))；

第二灰阶值权重k2的计算公式为：

其中，灰阶值差的绝对值Q2的取值范围为0至255，n为大于1的正整数；

依据第二灰阶值权重k2与同一行相邻两列像素的灰阶值进行累加计算：

其中，i、j为正整数，分别代表像素所在的行数与列数；Gray(i,j)为第i行第j列像素的灰阶值；Gray(i,j+1)为第i行第j+1列像素的灰阶值；H3(a)为灰阶值为a的像素数量；C3(X)为从灰阶值Gray(i,j)到灰阶值Gray(i,j+1)之间各个灰阶值对应的像素数量之和；

将C1(X)与C3(x)相加得到C(X)：

C(X)＝C1(X)+C3(X)；

最大值归一化，计算公式为：

将N(X)乘以255计算得到增强灰阶表out(X)，并通过查表得到新的输出灰阶值out_gray(i,j)；

对细胞图像图像分割处理包括：获取增强后的牛乳体细胞图像；将牛乳体细胞图像输入至预先训练的图像分割模型，生成对应的图像分割结果图；

其中，图像分割结果图包括至少一个连通域与经过图像分割模型训练得到的图像分割结果，通过预测图中目标数目个连通域的匹配而确定损失值。