本發(fā)明涉及信息獲取領(lǐng)域，具體涉及一種生物體內(nèi)信息獲取裝置。
背景技術(shù)：
：近年來，在內(nèi)窺鏡的領(lǐng)域中，提出了一種在膠囊形狀的外殼內(nèi)容納攝像部、照明部、發(fā)送部等而構(gòu)成的吞服型的膠囊型內(nèi)窺鏡，其中，上述攝像部獲取被檢體內(nèi)部的圖像信息，上述照明部對攝像部的拍攝部位進(jìn)行照明，上述發(fā)送部無線發(fā)送由攝像部獲取的圖像信息。從作為被檢體的患者的口中吞服該膠囊型內(nèi)窺鏡來將該膠囊型內(nèi)窺鏡導(dǎo)入到被檢體內(nèi)部。然后，在直到被自然排出為止的期間，該膠囊型內(nèi)窺鏡在體腔內(nèi)隨著其蠕動運動進(jìn)行移動的同時依次拍攝體腔內(nèi)的圖像，并向體外無線發(fā)送所獲取的圖像信息。技術(shù)實現(xiàn)要素：為解決上述問題，本發(fā)明旨在提供一種生物體內(nèi)信息獲取裝置。本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn)：一種生物體內(nèi)信息獲取裝置，包括細(xì)胞識別模塊和信息獲取模塊，所述細(xì)胞識別模塊用來確定生物種類，所述信息獲取模塊包括：信息獲取部，其獲取生物體內(nèi)信息；電力源，其用于對上述信息獲取部提供電力；磁傳感器部，其檢測從外部輸入的磁信號，輸出與該磁信號的檢測狀態(tài)相應(yīng)的控制信號；脈沖數(shù)計數(shù)部，其對來自上述磁傳感器部的脈沖信號的脈沖數(shù)進(jìn)行計數(shù)；脈沖數(shù)判斷部，其判斷由上述脈沖數(shù)計數(shù)部計數(shù)得到的脈沖數(shù)是否為預(yù)定數(shù)以上；電力切斷控制部，其在由上述脈沖數(shù)判斷部判斷為輸入了預(yù)定數(shù)以上的脈沖的情況下，將上述電力源向上述信息獲取部進(jìn)行的電力提供從提供狀態(tài)切換為切斷狀態(tài)。本發(fā)明的有益效果為：能夠以簡單的結(jié)構(gòu)可靠地對被導(dǎo)入到被檢體內(nèi)部的生物體內(nèi)信息獲取裝置的電源的接通或切斷進(jìn)行切換。附圖說明利用附圖對本發(fā)明作進(jìn)一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明信息獲取模塊結(jié)構(gòu)示意圖；圖2是細(xì)胞識別模塊的結(jié)構(gòu)示意圖。附圖標(biāo)記：細(xì)胞識別模塊1、細(xì)胞圖像分割單元11、特征提取單元12、分類識別單元13。具體實施方式結(jié)合以下應(yīng)用場景對本發(fā)明作進(jìn)一步描述。應(yīng)用場景1參見圖1、圖2，本應(yīng)用場景的一個實施例的一種生物體內(nèi)信息獲取裝置，包括細(xì)胞識別模塊和信息獲取模塊，所述細(xì)胞識別模塊用來確定生物種類，所述信息獲取模塊包括：信息獲取部，其獲取生物體內(nèi)信息；電力源，其用于對上述信息獲取部提供電力；磁傳感器部，其檢測從外部輸入的磁信號，輸出與該磁信號的檢測狀態(tài)相應(yīng)的控制信號；脈沖數(shù)計數(shù)部，其對來自上述磁傳感器部的脈沖信號的脈沖數(shù)進(jìn)行計數(shù)；脈沖數(shù)判斷部，其判斷由上述脈沖數(shù)計數(shù)部計數(shù)得到的脈沖數(shù)是否為預(yù)定數(shù)以上；電力切斷控制部，其在由上述脈沖數(shù)判斷部判斷為輸入了預(yù)定數(shù)以上的脈沖的情況下，將上述電力源向上述信息獲取部進(jìn)行的電力提供從提供狀態(tài)切換為切斷狀態(tài)。優(yōu)選地，所述信息獲取模塊還包括間隔檢測部，該間隔檢測部檢測來自上述磁傳感器部的脈沖信號的輸出間隔，所述脈沖數(shù)計數(shù)部在由上述間隔檢測部檢測出的輸出間隔未超過預(yù)先設(shè)定的基準(zhǔn)間隔的情況下，對上述脈沖信號的輸出數(shù)進(jìn)行更新。本優(yōu)選實施例能夠及時對數(shù)據(jù)進(jìn)行更新。優(yōu)選地，所述間隔檢測部由計數(shù)器構(gòu)成。本優(yōu)選實施例獲取信息更加準(zhǔn)確。優(yōu)選的，所述細(xì)胞識別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提?。凰龇诸愖R別單元13用于根據(jù)紋理特征利用分類器實現(xiàn)對細(xì)胞圖像分類識別。本優(yōu)選實施例構(gòu)建了細(xì)胞識別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點是否為邊界點進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計算像素點(x,y)與其鄰域Sx,y中每個像素點的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個數(shù)大于等于6，則像素點(x,y)為邊界點，否則，像素點(x,y)為非邊界點；若(x,y)為邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(x,y)為降噪前像素點(x,y)的灰度值，σ為像素點(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點的數(shù)量；若(x,y)為非邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(i,j)代表圖像中點(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個像素(x,y)用一個四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個點：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz，yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(xp，yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個點(x1，y1)，…，若采樣點的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(xi，yi)處沿線段方向的灰度差：hd(xi，yi)＝h(xi-1，yi-1)-h(xi，yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(xi，yi)處沿線段方向的梯度gra(xi，yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項目為X1、X2、X3、X4，則綜合灰度共生矩陣的計算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素數(shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個方向中的每個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計算，設(shè)四個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項目獲取所需的四個紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時光照角度造成的影響、氣體的流動干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識別處理。在此應(yīng)用場景中，設(shè)定閾值T＝13，d＝2，圖像去噪效果相對提高了5％，細(xì)胞圖像特征的提取精度提高了8％。應(yīng)用場景2參見圖1、圖2，本應(yīng)用場景的一個實施例的一種生物體內(nèi)信息獲取裝置，包括細(xì)胞識別模塊和信息獲取模塊，所述細(xì)胞識別模塊用來確定生物種類，所述信息獲取模塊包括：信息獲取部，其獲取生物體內(nèi)信息；電力源，其用于對上述信息獲取部提供電力；磁傳感器部，其檢測從外部輸入的磁信號，輸出與該磁信號的檢測狀態(tài)相應(yīng)的控制信號；脈沖數(shù)計數(shù)部，其對來自上述磁傳感器部的脈沖信號的脈沖數(shù)進(jìn)行計數(shù)；脈沖數(shù)判斷部，其判斷由上述脈沖數(shù)計數(shù)部計數(shù)得到的脈沖數(shù)是否為預(yù)定數(shù)以上；電力切斷控制部，其在由上述脈沖數(shù)判斷部判斷為輸入了預(yù)定數(shù)以上的脈沖的情況下，將上述電力源向上述信息獲取部進(jìn)行的電力提供從提供狀態(tài)切換為切斷狀態(tài)。優(yōu)選地，所述信息獲取模塊還包括間隔檢測部，該間隔檢測部檢測來自上述磁傳感器部的脈沖信號的輸出間隔，所述脈沖數(shù)計數(shù)部在由上述間隔檢測部檢測出的輸出間隔未超過預(yù)先設(shè)定的基準(zhǔn)間隔的情況下，對上述脈沖信號的輸出數(shù)進(jìn)行更新。本優(yōu)選實施例能夠及時對數(shù)據(jù)進(jìn)行更新。優(yōu)選地，所述間隔檢測部由計數(shù)器構(gòu)成。本優(yōu)選實施例獲取信息更加準(zhǔn)確。優(yōu)選的，所述細(xì)胞識別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提取；所述分類識別單元13用于根據(jù)紋理特征利用分類器實現(xiàn)對細(xì)胞圖像分類識別。本優(yōu)選實施例構(gòu)建了細(xì)胞識別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點是否為邊界點進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計算像素點(x,y)與其鄰域Sx,y中每個像素點的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個數(shù)大于等于6，則像素點(x,y)為邊界點，否則，像素點(x,y)為非邊界點；若(x,y)為邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(x,y)為降噪前像素點(x,y)的灰度值，σ為像素點(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點，k表示鄰域lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點的數(shù)量；若(x,y)為非邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(i,j)代表圖像中點(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個像素(x,y)用一個四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個點：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz，yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(xp，yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個點(x1，y1)，…，若采樣點的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(xi，yi)處沿線段方向的灰度差：hd(xi，yi)＝h(xi-1，yi-1)-h(xi，yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項目為X1、X2、X3、X4，則綜合灰度共生矩陣的計算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素數(shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個方向中的每個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計算，設(shè)四個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項目獲取所需的四個紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時光照角度造成的影響、氣體的流動干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識別處理。在此應(yīng)用場景中，設(shè)定閾值T＝15，d＝2，圖像去噪效果相對提高了6％，細(xì)胞圖像特征的提取精度提高了8％。應(yīng)用場景3參見圖1、圖2，本應(yīng)用場景的一個實施例的一種生物體內(nèi)信息獲取裝置，包括細(xì)胞識別模塊和信息獲取模塊，所述細(xì)胞識別模塊用來確定生物種類，所述信息獲取模塊包括：信息獲取部，其獲取生物體內(nèi)信息；電力源，其用于對上述信息獲取部提供電力；磁傳感器部，其檢測從外部輸入的磁信號，輸出與該磁信號的檢測狀態(tài)相應(yīng)的控制信號；脈沖數(shù)計數(shù)部，其對來自上述磁傳感器部的脈沖信號的脈沖數(shù)進(jìn)行計數(shù)；脈沖數(shù)判斷部，其判斷由上述脈沖數(shù)計數(shù)部計數(shù)得到的脈沖數(shù)是否為預(yù)定數(shù)以上；電力切斷控制部，其在由上述脈沖數(shù)判斷部判斷為輸入了預(yù)定數(shù)以上的脈沖的情況下，將上述電力源向上述信息獲取部進(jìn)行的電力提供從提供狀態(tài)切換為切斷狀態(tài)。優(yōu)選地，所述信息獲取模塊還包括間隔檢測部，該間隔檢測部檢測來自上述磁傳感器部的脈沖信號的輸出間隔，所述脈沖數(shù)計數(shù)部在由上述間隔檢測部檢測出的輸出間隔未超過預(yù)先設(shè)定的基準(zhǔn)間隔的情況下，對上述脈沖信號的輸出數(shù)進(jìn)行更新。本優(yōu)選實施例能夠及時對數(shù)據(jù)進(jìn)行更新。優(yōu)選地，所述間隔檢測部由計數(shù)器構(gòu)成。本優(yōu)選實施例獲取信息更加準(zhǔn)確。優(yōu)選的，所述細(xì)胞識別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提取；所述分類識別單元13用于根據(jù)紋理特征利用分類器實現(xiàn)對細(xì)胞圖像分類識別。本優(yōu)選實施例構(gòu)建了細(xì)胞識別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點是否為邊界點進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計算像素點(x,y)與其鄰域Sx,y中每個像素點的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個數(shù)大于等于6，則像素點(x,y)為邊界點，否則，像素點(x,y)為非邊界點；若(x,y)為邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(x,y)為降噪前像素點(x,y)的灰度值，σ為像素點(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點的數(shù)量；若(x,y)為非邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(i,j)代表圖像中點(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個像素(x,y)用一個四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個點：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz,yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(xp,yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個點(x1,y1)，…，若采樣點的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(xi,yi)處沿線段方向的灰度差：hd(xi,yi)＝h(xi-1,yi-1)-h(xi,yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項目為X1、X2、X3、X4，則綜合灰度共生矩陣的計算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素數(shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個方向中的每個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計算，設(shè)四個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項目獲取所需的四個紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時光照角度造成的影響、氣體的流動干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識別處理。在此應(yīng)用場景中，設(shè)定閾值T＝18，d＝3，圖像去噪效果相對提高了7％，細(xì)胞圖像特征的提取精度提高了7％。應(yīng)用場景4參見圖1、圖2，本應(yīng)用場景的一個實施例的一種生物體內(nèi)信息獲取裝置，包括細(xì)胞識別模塊和信息獲取模塊，所述細(xì)胞識別模塊用來確定生物種類，所述信息獲取模塊包括：信息獲取部，其獲取生物體內(nèi)信息；電力源，其用于對上述信息獲取部提供電力；磁傳感器部，其檢測從外部輸入的磁信號，輸出與該磁信號的檢測狀態(tài)相應(yīng)的控制信號；脈沖數(shù)計數(shù)部，其對來自上述磁傳感器部的脈沖信號的脈沖數(shù)進(jìn)行計數(shù)；脈沖數(shù)判斷部，其判斷由上述脈沖數(shù)計數(shù)部計數(shù)得到的脈沖數(shù)是否為預(yù)定數(shù)以上；電力切斷控制部，其在由上述脈沖數(shù)判斷部判斷為輸入了預(yù)定數(shù)以上的脈沖的情況下，將上述電力源向上述信息獲取部進(jìn)行的電力提供從提供狀態(tài)切換為切斷狀態(tài)。優(yōu)選地，所述信息獲取模塊還包括間隔檢測部，該間隔檢測部檢測來自上述磁傳感器部的脈沖信號的輸出間隔，所述脈沖數(shù)計數(shù)部在由上述間隔檢測部檢測出的輸出間隔未超過預(yù)先設(shè)定的基準(zhǔn)間隔的情況下，對上述脈沖信號的輸出數(shù)進(jìn)行更新。本優(yōu)選實施例能夠及時對數(shù)據(jù)進(jìn)行更新。優(yōu)選地，所述間隔檢測部由計數(shù)器構(gòu)成。本優(yōu)選實施例獲取信息更加準(zhǔn)確。優(yōu)選的，所述細(xì)胞識別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提?。凰龇诸愖R別單元13用于根據(jù)紋理特征利用分類器實現(xiàn)對細(xì)胞圖像分類識別。本優(yōu)選實施例構(gòu)建了細(xì)胞識別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點是否為邊界點進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計算像素點(x,y)與其鄰域Sx,y中每個像素點的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個數(shù)大于等于6，則像素點(x,y)為邊界點，否則，像素點(x,y)為非邊界點；若(x,y)為邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(x,y)為降噪前像素點(x,y)的灰度值，σ為像素點(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點的數(shù)量；若(x,y)為非邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(i,j)代表圖像中點(i,j)處的灰度值，w(i,j)為鄰域Lx,y內(nèi)點(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個像素(x,y)用一個四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個點：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz,yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(xp,yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個點(x1,y1)，…，若采樣點的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(xi,yi)處沿線段方向的灰度差：hd(xi,yi)＝h(xi-1,yi-1)-h(xi,yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項目為X1、X2、X3、X4，則綜合灰度共生矩陣的計算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素數(shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個方向中的每個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計算，設(shè)四個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項目獲取所需的四個紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時光照角度造成的影響、氣體的流動干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識別處理。在此應(yīng)用場景中，設(shè)定閾值T＝20，d＝4，圖像去噪效果相對提高了8％，細(xì)胞圖像特征的提取精度提高了6％。應(yīng)用場景5參見圖1、圖2，本應(yīng)用場景的一個實施例的一種生物體內(nèi)信息獲取裝置，包括細(xì)胞識別模塊和信息獲取模塊，所述細(xì)胞識別模塊用來確定生物種類，所述信息獲取模塊包括：信息獲取部，其獲取生物體內(nèi)信息；電力源，其用于對上述信息獲取部提供電力；磁傳感器部，其檢測從外部輸入的磁信號，輸出與該磁信號的檢測狀態(tài)相應(yīng)的控制信號；脈沖數(shù)計數(shù)部，其對來自上述磁傳感器部的脈沖信號的脈沖數(shù)進(jìn)行計數(shù)；脈沖數(shù)判斷部，其判斷由上述脈沖數(shù)計數(shù)部計數(shù)得到的脈沖數(shù)是否為預(yù)定數(shù)以上；電力切斷控制部，其在由上述脈沖數(shù)判斷部判斷為輸入了預(yù)定數(shù)以上的脈沖的情況下，將上述電力源向上述信息獲取部進(jìn)行的電力提供從提供狀態(tài)切換為切斷狀態(tài)。優(yōu)選地，所述信息獲取模塊還包括間隔檢測部，該間隔檢測部檢測來自上述磁傳感器部的脈沖信號的輸出間隔，所述脈沖數(shù)計數(shù)部在由上述間隔檢測部檢測出的輸出間隔未超過預(yù)先設(shè)定的基準(zhǔn)間隔的情況下，對上述脈沖信號的輸出數(shù)進(jìn)行更新。本優(yōu)選實施例能夠及時對數(shù)據(jù)進(jìn)行更新。優(yōu)選地，所述間隔檢測部由計數(shù)器構(gòu)成。本優(yōu)選實施例獲取信息更加準(zhǔn)確。優(yōu)選的，所述細(xì)胞識別模塊1包括細(xì)胞圖像分割單元11、特征提取單元12、分類識別單元13；所述細(xì)胞圖像分割單元11用于區(qū)分由細(xì)胞圖像采集模塊采集的細(xì)胞圖像中的背景、細(xì)胞核和細(xì)胞質(zhì)；所述特征提取單元12用于對細(xì)胞圖像的紋理特征進(jìn)行提??；所述分類識別單元13用于根據(jù)紋理特征利用分類器實現(xiàn)對細(xì)胞圖像分類識別。本優(yōu)選實施例構(gòu)建了細(xì)胞識別模塊1的單元架構(gòu)。優(yōu)選的，所述細(xì)胞圖像分割單元11包括圖像轉(zhuǎn)換子單元、噪聲去除子單元、粗分割子單元、細(xì)胞核中心標(biāo)定子單元、精確分割子單元，具體為：(1)圖像轉(zhuǎn)換子單元，用于將采集的細(xì)胞圖像轉(zhuǎn)化為灰度圖像；(2)噪聲去除子單元，用于對灰度圖像進(jìn)行去噪處理，包括：對于像素點(x,y)，選取其3×3的鄰域Sx,y和(2N+1)×(2N+1)的鄰域Lx,y，N為大于等于2的整數(shù)；首先對像素點是否為邊界點進(jìn)行判斷，設(shè)定閾值T，T∈[13,26]，計算像素點(x,y)與其鄰域Sx,y中每個像素點的灰度差值，并與閾值T進(jìn)行比較，若灰度差值大于閾值T的個數(shù)大于等于6，則像素點(x,y)為邊界點，否則，像素點(x,y)為非邊界點；若(x,y)為邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σq(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]q(i,j)k]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(x,y)為降噪前像素點(x,y)的灰度值，σ為像素點(x,y)鄰域Lx,y內(nèi)灰度值標(biāo)差,q(i,j)∈[q(x,y)-1.5σ,q(x,y)+1.5σ]表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點，k表示鄰域Lx,y內(nèi)灰度值落于區(qū)間[q(x,y)-1.5σ,q(x,y)+1.5σ]的點的數(shù)量；若(x,y)為非邊界點，則進(jìn)行如下降噪處理：h(x,y)=Σ(i,j)∈Lx,yw(i,j)q(i,j)Σ(i,j)∈Lx,yw(i,j)]]>式中，h(x,y)為降噪后像素點(x,y)的灰度值，q(i,j)代表圖像中點(i,j)處的灰度值，w(i,\)為鄰域lx,y內(nèi)點(i,j)對應(yīng)的高斯權(quán)重；(3)粗分割子單元，用于對去噪后的細(xì)胞圖像中的背景、細(xì)胞質(zhì)、細(xì)胞核進(jìn)行粗劃分，具體為：將每個像素(x,y)用一個四維特征向量表示：u→(x,y)=[h(x,y),have(x,y),hmed(x,y),hsta(x,y)]]]>式中，h(x,y)代表(x,y)的灰度值，have(x,y)代表其鄰域Sx,y灰度均值，hmed(x,y)代表其鄰域Sx,y灰度中值，hsta(x,y)代表其鄰域Sx,y灰度方差；采用K-means聚類法將其劃分為背景、細(xì)胞質(zhì)、細(xì)胞核三類；(4)細(xì)胞核中心標(biāo)定子單元，用于對細(xì)胞核中心進(jìn)行標(biāo)定：由粗分割子單元得到細(xì)胞核大致區(qū)域，設(shè)細(xì)胞核區(qū)域包含n個點：(x1,y1),…,(xn,yn)，對該區(qū)域進(jìn)行灰度加權(quán)標(biāo)定和幾何中心標(biāo)定，取其平均值作為細(xì)胞核中心(xz,yz)：xz=12(Σi=1nxih(xi,yi)Σi=1nh(xi,yi)+Σi=1nxin)]]>yz=12(Σi=1nyih(xi,yi)Σi=1nh(xi,yi)+Σi=1nyin)]]>(5)精確分割子單元，用于對細(xì)胞核、細(xì)胞質(zhì)進(jìn)行精確分割；構(gòu)建從細(xì)胞核中心(xz,yz)到細(xì)胞核和細(xì)胞質(zhì)邊界點(xp,yp)的有向線段的距離表示向下取整；沿線段以單位長度進(jìn)行采樣可以得到disp個點(x1,y1)，…，若采樣點的坐標(biāo)不是整數(shù)，其灰度值通過周圍像素線性插值得到；點(xi,yi)處沿線段方向的灰度差：hd(xi,yi)＝h(xi-1,yi-1)-h(xi,yi)定義灰度差抑制函數(shù)：Y(x)=xifx≤00.5xifx>0]]>點(xi,yi)處沿線段方向的梯度gra(xi,yi)：gra(xi,yi)=|Y(hd(xi,yi))|+|Y(hd(xi+1,yi+!))|2]]>選取梯度最大的值點作為細(xì)胞核和細(xì)胞質(zhì)的精確邊緣。本優(yōu)選實施例設(shè)置噪聲去除子單元，有效融合了中心像素與鄰域像素的空間臨近性和灰度相似性來進(jìn)行降噪處理，在圖像中的平坦區(qū)域，鄰域內(nèi)像素灰度值相差不大，采用高斯濾波器對灰度值進(jìn)行加權(quán)濾波，在變化劇烈的邊界區(qū)域，行邊界保持濾波，有利于圖像邊緣的保持；采用K均值聚類提取細(xì)胞核和細(xì)胞質(zhì)粗輪廓，可有效去除噪聲的干擾；設(shè)置細(xì)胞核中心標(biāo)定子單元，便于后續(xù)對細(xì)胞核和細(xì)胞質(zhì)輪廓進(jìn)行精確定位；精確分割子單元充分利用了方向信息，克服了炎癥細(xì)胞對邊緣圖的干擾，能夠準(zhǔn)確提取出細(xì)胞核和細(xì)胞質(zhì)邊緣。優(yōu)選的，所述對細(xì)胞圖像的紋理特征進(jìn)行提取，包括：(1)基于改進(jìn)的灰度共生矩陣法求取細(xì)胞圖像的綜合灰度共生矩陣，所述綜合灰度共生矩陣體現(xiàn)了細(xì)胞在不同方向上的紋理特征：設(shè)在0°、45°、90°、135°四個方向上的灰度共生矩陣分別為h(x,y,d,0°)、h(x,y,d,45°)、h(x,y,d,90°)、h(x,y,d,135°)，所對應(yīng)的矩陣元素項目為X1、X2、X3、X4，則綜合灰度共生矩陣的計算公式為：H(x,y,d)＝w1h(x,y,d,0°)+w2h(x,y,d,45°)+w3h(x,y,d,90°)+w4h(x,y,d,135°)綜合灰度共生矩陣元素數(shù)目為：X=Σi=14wiXi]]>式中，d表示距離，d的取值范圍為[2,4]，wi為加權(quán)系數(shù),i＝1,2,3,4，其由四個方向中的每個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)計算，設(shè)四個方向上的灰度共生矩陣對應(yīng)的對比度參數(shù)分別為Di，均值為i＝1,2,3,4，則加權(quán)系數(shù)wi的計算公式為：wi=1|Di-D‾|+1/Σi=141|Di-D‾|+1]]>(2)利用所述綜合灰度共生矩陣和矩陣元素項目獲取所需的四個紋理特征參數(shù)：對比度、方差和、能量和均值；(3)對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，最終獲得歸一化的紋理特征值。本優(yōu)選實施例基于改進(jìn)的灰度共生矩陣法，采用設(shè)置加權(quán)系數(shù)的方式求取細(xì)胞圖像的綜合灰度共生矩陣，進(jìn)而提取細(xì)胞在指定四個方向上的紋理特征，解決了由于外部干擾(如細(xì)胞圖像采集時光照角度造成的影響、氣體的流動干擾等)造成的細(xì)胞的紋理特征參數(shù)值在不同方向上有較大差別的問題，提高了細(xì)胞圖像紋理特征提取的精度；選定對比度、方差和、能量和均值四個紋理特征，去掉了冗余和重復(fù)的特征參數(shù)；對所述四個紋理特征參數(shù)進(jìn)行歸一化處理，方便了后續(xù)的細(xì)胞圖像的分類識別處理。在此應(yīng)用場景中，設(shè)定閾值T＝26，d＝2，圖像去噪效果相對提高了7.5％，細(xì)胞圖像特征的提取精度提高了8％。最后應(yīng)當(dāng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護(hù)范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。當(dāng)前第1頁1 2 3