專利名稱：一種分裂細胞識別方法
技術(shù)領域：
本發(fā)明屬于圖像處理領域，特別涉及一種分裂細胞識別方法。
背景技術(shù)：
細胞生物學研究對于藥物開發(fā)、組織工程等相關(guān)學科的發(fā)展具有重要作用，已經(jīng)吸引了大量研究人員從事相關(guān)研就。在該領域研究中，對細胞繁殖的實時監(jiān)控對于該領域探索起到舉足輕重的作用，相關(guān)技術(shù)的研究有利于實現(xiàn)定量的監(jiān)控細胞繁殖的速率以及不同外界培養(yǎng)環(huán)境對細胞繁殖的影響。因此，通過顯微鏡進行細胞繁殖圖像的采集，研究先進的生物醫(yī)學圖像處理技術(shù)來實現(xiàn)準確的分裂細胞識別具有重要的現(xiàn)實意義。傳統(tǒng)的基于顯微鏡圖像的分裂細胞識別方法主要分為兩類1)基于形狀特征的方法該方法將分裂細胞區(qū)域看作一個整體，由于分裂細胞形狀與普通細胞形狀有一定的可區(qū)分性，因此可以利用分裂細胞的形狀特征學習分類器，從而實現(xiàn)分裂細胞的識別；2)基于運動特征的方法該方法通過對細胞區(qū)域的跟蹤提取細胞個體的運動軌跡，然后通過母細胞分裂為兩個子細胞時軌跡的變化特征來進行細胞分裂的識別。發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下的缺點和不足I)現(xiàn)有形狀特征對于非剛體和形變不規(guī)則目標(例如細胞)的表征能力有限，并且準確的形狀特征提取往往需要對細胞區(qū)域的準確分割，但是顯微鏡圖像往往包含較強的噪聲，使得準確的分割細胞及其困難，因此基于形狀特征的方法通常性能較差，泛化能力較低；2)基于運動特征的方法對準確的軌跡提取有很強的依賴性，然而，對非剛性物體的跟蹤很困難。

發(fā)明內(nèi)容
本發(fā)明提供了一種分裂細胞識別方法，本發(fā)明降低了對形變不規(guī)則目標特征提取的難度，使得分裂細胞的識別不依賴于細胞運動軌跡的提取，顯著降低了計算復雜度，提高了分裂細胞的識別率，詳見下文描述—種分裂細胞識別方法，所述方法包括以下步驟(I)對細胞圖像進行圖像平滑和直方圖均衡化處理，獲取處理后細胞圖像；(2)從所述處理后細胞圖像中提取尺度歸一化后的分裂細胞候選區(qū)域；(3)將所述分裂細胞候選區(qū)域劃分為分裂細胞區(qū)域和非分裂細胞區(qū)域，對所述分裂細胞區(qū)域和所述非分裂細胞區(qū)域分別提取多尺度和多方向紋理特征，構(gòu)成分裂細胞集和非分裂細胞集；(4)通過混合高斯模型對所述分裂細胞集構(gòu)建分裂細胞模型，對所述非分裂細胞集構(gòu)建非分裂細胞模型；(5)對任意一個測試候選分裂細胞區(qū)域，提取多尺度和多方向紋理特征X，將所述多尺度和多方向紋理特征X分別帶入所述分裂細胞模型和所述非分裂細胞模型，獲取概率P (X)和 NP (X)；、
(6)如果P(X) >NP (X)，則表示包含分裂細胞，否則不包含分裂細胞。所述從所述處理后細胞圖像中提取尺度歸一化后的分裂細胞候選區(qū)域具體為I)用尺度qXq的均值濾波模板與所述處理后細胞圖像進行卷積，獲取濾波后細胞圖像；2)對所述濾波后細胞圖像進行圖像二值化處理，獲取二值圖像3)對所述二值圖像進行連通區(qū)域提取，獲取尺度歸一化后的所述分裂細胞候選區(qū)域。所述對所述二值圖像進行連通區(qū)域提取，獲取尺度歸一化后的所述分裂細胞候選區(qū)域具體為對二值圖像進行連通區(qū)域提取，獲取二值模板；在所述二值模板中，提取每個連通區(qū)域的外接矩形；將所述外接矩形作為分裂細胞候選區(qū)域，對所述分裂細胞候選區(qū)域進行尺度歸一化處理，獲取尺度歸一化后的分裂細胞候選區(qū)域。所述對所述分裂細胞區(qū)域和所述非分裂細胞區(qū)域分別提取多尺度和多方向紋理特征具體為I)對蓋伯濾波器核函數(shù)進行尺度變換和旋轉(zhuǎn)變換獲取自相似的蓋伯濾波器組，通過設置參數(shù)V的取值實現(xiàn)對蓋伯濾波器的波長調(diào)節(jié)；通過總方向數(shù)K確定蓋伯濾波器的核函數(shù)方向u ；2)將濾波器組中每個蓋伯濾波器與分裂細胞區(qū)域或非分裂細胞區(qū)域I (x，y)進行卷積，獲取vXu副尺度為rXr的響應圖像；3)從所述響應圖像中獲取特征向量，將所述特征向量作為分裂細胞區(qū)域或非分裂細胞區(qū)域的多尺度和多方向紋理特征。所述通過混合高斯模型對所述分裂細胞集構(gòu)建分裂細胞模型具體為I)獲取分裂細胞集的概率密度函數(shù)P(Zf)；
權(quán)利要求
1.ー種分裂細胞識別方法，其特征在于，所述方法包括以下步驟 (1)對細胞圖像進行圖像平滑和直方圖均衡化處理，獲取處理后細胞圖像； (2)從所述處理后細胞圖像中提取尺度歸ー化后的分裂細胞候選區(qū)域； (3)將所述分裂細胞候選區(qū)域劃分為分裂細胞區(qū)域和非分裂細胞區(qū)域，對所述分裂細胞區(qū)域和所述非分裂細胞區(qū)域分別提取多尺度和多方向紋理特征，構(gòu)成分裂細胞集和非分裂細胞集； (4)通過混合高斯模型對所述分裂細胞集構(gòu)建分裂細胞模型，對所述非分裂細胞集構(gòu)建非分裂細胞模型； (5)對任意ー個測試候選分裂細胞區(qū)域，提取多尺度和多方向紋理特征X，將所述多尺度和多方向紋理特征X分別帶入所述分裂細胞模型和所述非分裂細胞模型，獲取概率P (X)和 NP (X)；(6)如果P(X) >NP (X)，則表示包含分裂細胞，否則不包含分裂細胞。
2.根據(jù)權(quán)利要求I所述的ー種分裂細胞識別方法，其特征在于，所述從所述處理后細胞圖像中提取尺度歸ー化后的分裂細胞候選區(qū)域具體為 1)用尺度qXq的均值濾波模板與所述處理后細胞圖像進行卷積，獲取濾波后細胞圖像； 2)對所述濾波后細胞圖像進行圖像ニ值化處理，獲取ニ值圖像 3)對所述ニ值圖像進行連通區(qū)域提取，獲取尺度歸ー化后的所述分裂細胞候選區(qū)域。
3.根據(jù)權(quán)利要求2所述的ー種分裂細胞識別方法，其特征在于，所述對所述ニ值圖像進行連通區(qū)域提取，獲取尺度歸ー化后的所述分裂細胞候選區(qū)域具體為 對ニ值圖像進行連通區(qū)域提取，獲取ニ值模板； 在所述ニ值模板中，提取每個連通區(qū)域的外接矩形； 將所述外接矩形作為分裂細胞候選區(qū)域，對所述分裂細胞候選區(qū)域進行尺度歸ー化處理，獲取尺度歸ー化后的分裂細胞候選區(qū)域。
4.根據(jù)權(quán)利要求3所述的ー種分裂細胞識別方法，其特征在干，所述對所述分裂細胞區(qū)域和所述非分裂細胞區(qū)域分別提取多尺度和多方向紋理特征具體為 1)對蓋伯濾波器核函數(shù)進行尺度變換和旋轉(zhuǎn)變換獲取自相似的蓋伯濾波器組，通過設置參數(shù)V的取值實現(xiàn)對蓋伯濾波器的波長調(diào)節(jié)；通過總方向數(shù)K確定蓋伯濾波器的核函數(shù)方向u ； 2)將濾波器組中每個蓋伯濾波器與分裂細胞區(qū)域或非分裂細胞區(qū)域I(X，y)進行卷積，獲取vXu副尺度為rXr的響應圖像； 3)從所述響應圖像中獲取特征向量，將所述特征向量作為分裂細胞區(qū)域或非分裂細胞區(qū)域的多尺度和多方向紋理特征。
5.根據(jù)權(quán)利要求4所述的ー種分裂細胞識別方法，其特征在于，所述通過混合高斯模型對所述分裂細胞集構(gòu)建分裂細胞模型具體為 I)獲取分裂細胞集的概率密度函數(shù)/jOf )； AIf)令,(0,0 Xf為分裂細胞集中第h個分裂細胞區(qū)域?qū)亩喑叨群投喾较蚣y理特征；l<h<P，P為分裂細胞集中分裂細胞區(qū)域樣本總數(shù)ば(If ;凡,び/)表示組成混合高斯模型的第d個單高斯概率密度函數(shù)；y d和O d分別表示均值和協(xié)方差；wd表示組成混合高斯模型的第d個單高斯概率密度函數(shù)對應的權(quán)重；D表示混合高斯模型由D個單高斯概率密度函數(shù)的加權(quán)融合組成； 分裂細胞樣本屬于第d個單高斯分布的概率P(ゴI Xf)
全文摘要
本發(fā)明公開了一種分裂細胞識別方法，從處理后細胞圖像中提取尺度歸一化后的分裂細胞候選區(qū)域；將分裂細胞候選區(qū)域劃分為分裂細胞區(qū)域和非分裂細胞區(qū)域，對分裂細胞區(qū)域和非分裂細胞區(qū)域分別提取多尺度和多方向紋理特征，構(gòu)成分裂細胞集和非分裂細胞集；通過混合高斯模型對分裂細胞集構(gòu)建分裂細胞模型，對非分裂細胞集構(gòu)建非分裂細胞模型；對任意一個測試候選分裂細胞區(qū)域，提取多尺度和多方向紋理特征，將多尺度和多方向紋理特征分別帶入分裂細胞模型和非分裂細胞模型，獲取概率P(X)和NP(X)；如果P(X)>NP(X)，則表示包含分裂細胞，否則不包含分裂細胞。本方法顯著地降低了計算復雜度，提高了分裂細胞的識別率，并且通過實驗驗證，本方法取得了較高的查全率和查準率。
文檔編號G06K9/00GK102737232SQ20121017885
公開日2012年10月17日 申請日期2012年6月1日 優(yōu)先權(quán)日2012年6月1日
發(fā)明者劉安安, 孫琪 申請人:天津大學