平码五不中公式规律
  • / 8
  • 下载费用:30 金币  

一种基于运动目标识别的白带滴虫自动检测的方法.pdf

关 键 ?#21097;?/dt>
一种 基于 运动 目标 识别 白带 滴虫 自动检测 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201610844169.4

申请日:

2016.09.23

公开号:

CN106483129A

公开日:

2017.03.08

当前法律状态:

实审

?#34892;?#24615;:

审中

法?#19978;?#24773;: 实质审查的生效IPC(主分类):G01N 21/84申请日:20160923|||公开
IPC分类号: G01N21/84; G06T7/10(2017.01)I; G06T7/194(2017.01)I 主分类号: G01N21/84
申请人: 电子科?#21363;?#23398;
发明人: 刘霖; 王祥舟; 胡静蓉; 郝如茜; 张正龙; 韩翠; 张静; 刘娟秀; 倪光明; 杜晓辉; 刘永
地址: 611731 四川省成都市高新区(西区)西源大道2006号
优?#28909;ǎ?/td>
专利代理机构: 电子科?#21363;?#23398;专利?#34892;?51203 代理人: 张杨
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201610844169.4

授权公告号:

|||

法律状态公告日:

2017.04.05|||2017.03.08

法律状态类型:

实质审查的生效|||公开

摘要

该发明公开了一种基于运动目标识别的白带滴虫自动检测的方法,属于图像处理领域。该方法通过连续获取样本图像,然后对样本图像进行处理,获取图像的前景与背景,通过对连续的图像进行前景与背景分析,前景与背景改变的地方识别出滴虫区域,再根据滴虫的形态特征进一步的识别出滴虫。从而本发明具有改进了传统的Kalman背景重建方法,可?#34892;б种?#20809;照变化、镜头移动和焦距变化带来的噪声,准确分割背景和前景区域。

权利要求书

1.一种基于运动目标识别的白带滴虫自动检测的方法,该方法包括:
步骤1:将白带样本涂抹至载玻片上,放?#26009;?#24494;镜下,获取最?#38597;?#25668;距离并保持固定;
步骤2:使用显微镜相机采集同一视野下连续的清晰的样本图像序列;
步骤3:将步骤2中图像序列的第一张图像作为Kalman背景重建法中的背景图像;
步骤4:提取步骤2中采集的后续图像,将当前的后续图像与背景图像差分后获得差分
图像,根据差分图像得到待定的运动前景图像;
步骤5:对步骤4获得的前景图像的每个前景点进行邻域判断,消除误检的静止背景,获
得修正的运动前景图像;
步骤6:对步骤5获得的运动前景图像每个前景点进行时间判断,进一步消除静止的背
景;
步骤7:对步骤5和步骤6重新划分为背景的前景点进行误分配分析,恢复漏检的运动滴
虫区域;
步骤8:根据步骤7获得的前景运动图像,以不同的更?#28388;?#29575;更新背景图像,获得新的背
景图像;
对最终的前景区域以一定系数更新,对背景区域以一定系数更新,获得新的背景图像;
如下式所示,B(i,j,k)为当前图像背景,B(i,j,k+1)为新生成的背景,I(i,j,k)为当前提取
的图像,M(i,j,k)为最终获取的运动前景二值图像;β为背景更新系数,α为前景更新系数;
B(i,j,k+1)=B(i,j,k)+g(k)*(I(i,j,k)-B(i,j,k)) (公式8-1)
g(k)=β*(1-M(i,j,k))+α*M(i,j,k) (公式8-2)
步骤9:当前图像与步骤8获得的背景图像差分,阈值选取获得运动前景图像;对其进行
连通区域标记,根据面积、外界矩形长宽、圆形度和离心?#23454;?#24418;态学特征识别运动滴虫,统
计滴虫个数。
2.如权利要求1所述的一种基于运动目标识别的白带滴虫自动检测的方法,其特征在
于所述步骤3的具体步骤为:
步骤3-1:提取图像序列的第一张图像;
步骤3-2:对图像进行高斯滤波,使用半径为10的圆形邻域,参数?#19994;?#20110;2,滤除噪声,获
得背景图像。
3.如权利要求1所述的一种基于运动目标识别的白带滴虫自动检测的方法,其特征在
于步骤4的具体步骤为:
步骤4-1:对图像进行高斯滤波,滤除噪声;
步骤4-2:将滤波后的图像与背景图像作差分,获得差分图像;对其进行二值化,大津阈
值法获取阈值,得到运动区域的二值图像;
步骤4-3:对步骤4-2获得的二值图像进行闭运算,获得闭运算图像;
步骤4-4:对步骤4-3获取的闭运算图像进行孔洞填充,滤除小面积区域后获得待定的
运动前景二值图像。
4.如权利要求1所述的一种基于运动目标识别的白带滴虫自动检测的方法,其特征在
于步骤5的具体步骤为:
步骤5-1:对步骤4中的运动前景图像的每个前景点进行分析;这里假设滴虫不会凭空
出现在视野中,应是从相邻区域移动来的;若上一帧图像的运动前景中以该点为?#34892;模?#21322;径
为5的方形邻域中没有任何运动前景点,则当前图像该点检测为前景的原因是由于光照变
化和镜头移动等因素造成的误检,将该点重新分配为背景点;
如下式所示,M(m,n,k-1)为当前前景像素在上一图像的前景图像中它的邻域像素,若
邻域内无前景像素则重新分配为背景
步骤5-2:统计步骤5-1中每个重新分类为背景的前景点的重分配次数。
5.如权利要求1所述的一种基于运动目标识别的白带滴虫自动检测的方法,其特征在
于步骤6的具体步骤为:
步骤6-1:统计每一个图像像素点成为前景区域的连续时间;
步骤6-2:步骤6-1中前景图像剩余前景点的连续次数如果超过10帧,说明该点为误检
的静止背景,将该点重新分配为背景点;
步骤6-3:统计步骤6-2中每个重新分类为背景的前景点的重分配次数。
6.如权利要求1所述的一种基于运动目标识别的白带滴虫自动检测的方法,其特征在
于步骤7的具体步骤为:
步骤7-1:统计所有背景像素点的重分配次数;
步骤7-2:若统计次数超过10次,则为运动滴虫被误分配为背景;重新分配为前景点。
7.如权利要求1所述的一种基于运动目标识别的白带滴虫自动检测的方法,其特征在
于步骤9的具体步骤为:
步骤9-1:将当前图像与步骤8中获取的新背景进行差分,获得差分图像;对其进行二值
化,获得二值图像;
步骤9-2:对步骤9-1获取的二值图像进行连通区域标记;
步骤9-3:计算每个连通区域的面积,保留面积在一定范围的区域;
步骤9-4:计算剩余每个连通区域的长宽,保留长宽比满足一定条件的区域;
步骤9-5:计算剩余每个连通区域的圆形度,保留圆形度满足一定条件的区域,计算离
心?#21097;?#20445;留离心率满足一定条件的区域;
步骤9-6:统计剩余连通区域的个数即滴虫数量,并在图像上标记出滴虫区域。

说明书

一种基于运动目标识别的白带滴虫自动检测的方法

技术领域

本发明属于图像处理领域,特别采用运动目标识别的方法自动检测白带中滴虫的
方法。

背景技术

滴虫镜检是白带检查中的常规项目,是判断白带是否异常的一个重要标准。医院
中常用的滴虫检测方法为人工镜检,效率不高,且容易出现漏检。为了解决人工效?#23454;?#19979;、
易出错的问题,已有很多生物细胞自动检测的应用被提出。目前常用的一种计算机视觉方
法是:首先分割显微图像,提取单个细胞,进一步分析每一个细胞的多种形态学特征,最后
使用合适的特征分类方法对细胞进行分类,从而识别出细胞种类。

由于滴虫的运动特性,导致显微镜下拍摄的滴虫形态多样?#20063;?#26029;变化、大小不固
定,特征不易分类;同时滴虫的运动导致其与其他细胞不处于同一对焦面,难以精准对焦,
若考虑不同焦距下特征,易出现误检;滴虫的部分形态与人体细胞相似,使用形态学特征不
易分类,容易出现漏检;当滴虫与其他细胞重叠在一起时,图像不易分割,易出现误检;滴虫
一般出现在3~4度病人样本中,样本背景复杂,难以进行细胞图像分割。

以上问题均导致使用传统的图像分割和特征检测的方法难以识别滴虫。考虑到滴
虫在常温环境下的运动特性,并?#31227;?#20182;细胞是静止或随稀释液?#20154;?#36816;动,我们提出利用运
动特征和形态学特征的方法识别滴虫。

发明内容

本发明为解决滴虫显微图像不易分割、形态特征不易分类的问题提出了解决方
案,同时改进了传统的Kalman背景重建方法,可?#34892;б种?#20809;照变化、镜头移动和焦距变化带
来的噪声,准确分割背景和前景区域。

本发明一种基于运动目标识别的白带滴虫自动检测的方法,该方法包括:

步骤1:将白带样本涂抹至载玻片上,放?#26009;?#24494;镜下,获取最?#38597;?#25668;距离并保持固
定;

步骤2:使用显微镜相机采集同一视野下连续的清晰的样本图像序列;

步骤3:将步骤2中图像序列的第一张图像作为Kalman背景重建法中的背景图像;

步骤4:提取步骤2中采集的后续图像,将当前的后续图像与背景图像差分后获得
差分图像,根据差分图像得到待定的运动前景图像;

步骤5:对步骤4获得的前景图像的每个前景点进行邻域判断,消除误检的静止背
景,获得修正的运动前景图像;

步骤6:对步骤5获得的运动前景图像每个前景点进行时间判断,进一步消除静止
的背景;

步骤7:对步骤5和步骤6重新划分为背景的前景点进行误分配分析,恢复漏检的运
动滴虫区域;

步骤8:根据步骤7获得的前景运动图像,以不同的更?#28388;?#29575;更新背景图像,获得新
的背景图像;

对最终的前景区域以一定系数更新,对背景区域以一定系数更新,获得新的背景
图像;如下式所示,B(i,j,k)为当前图像背景,B(i,j,k+1)为新生成的背景,I(i,j,k)为当
前提取的图像,M(i,j,k)为最终获取的运动前景二值图像;β为背景更新系数,α为前景更新
系数;

B(i,j,k+1)=B(i,j,k)+g(k)*(I(i,j,k)-B(i,j,k)) (公式8-1)

g(k)=β*(1-M(i,j,k))+α*M(i,j,k) (公式8-2)

步骤9:当前图像与步骤8获得的背景图像差分,阈值选取获得运动前景图像;对其
进行连通区域标记,根据面积、外界矩形长宽、圆形度和离心?#23454;?#24418;态学特征识别运动滴
虫,统计滴虫个数。

其中,步骤3的具体步骤为:

步骤3-1:提取图像序列的第一张图像;

步骤3-2:对图像进行高斯滤波,使用半径为10的圆形邻域,参数?#19994;?#20110;2,滤除噪
声,获得背景图像。

其中,步骤4的具体步骤为:

步骤4-1:对图像进行高斯滤波,滤除噪声;

步骤4-2:将滤波后的图像与背景图像作差分,获得差分图像;对其进行二值化,大
津阈值法获取阈值,得到运动区域的二值图像;

步骤4-3:对步骤4-2获得的二值图像进行闭运算,获得闭运算图像;

步骤4-4:对步骤4-3获取的闭运算图像进行孔洞填充,滤除小面积区域后获得待
定的运动前景二值图像。

其中,步骤5的具体步骤为:

步骤5-1:对步骤4中的运动前景图像的每个前景点进行分析;这里假设滴虫不会
凭空出现在视野中,应是从相邻区域移动来的;若上一帧图像的运动前景中以该点为?#34892;模?br />半径为5的方形邻域中没有任何运动前景点,则当前图像该点检测为前景的原因是由于光
照变化和镜头移动等因素造成的误检,将该点重新分配为背景点;

如下式所示,M(m,n,k-1)为当前前景像素在上一图像的前景图像中它的邻域像
素,若邻域内无前景像素则重新分配为背景

步骤5-2:统计步骤5-1中每个重新分类为背景的前景点的重分配次数。

其中,步骤6的具体步骤为:

步骤6-1:统计每一个图像像素点成为前景区域的连续时间;

步骤6-2:步骤6-1中前景图像剩余前景点的连续次数如果超过10帧,说明该点为
误检的静止背景,将该点重新分配为背景点;

步骤6-3:统计步骤6-2中每个重新分类为背景的前景点的重分配次数。

其中,步骤7的具体步骤为:

步骤7-1:统计所有背景像素点的重分配次数;

步骤7-2:若统计次数超过10次,则为运动滴虫被误分配为背景;重新分配为前景
点;

其中,步骤9的具体步骤为:

步骤9-1:将当前图像与步骤8中获取的新背景进行差分,获得差分图像;对其进行
二值化,获得二值图像;

步骤9-2:对步骤9-1获取的二值图像进行连通区域标记;

步骤9-3:计算每个连通区域的面积,保留面积在一定范围的区域;

步骤9-4:计算剩余每个连通区域的长宽,保留长宽比满足一定条件的区域;

步骤9-5:计算剩余每个连通区域的圆形度,保留圆形度满足一定条件的区域,计
算离心?#21097;?#20445;留离心率满足一定条件的区域;

步骤9-6:统计剩余连通区域的个数即滴虫数量,并在图像上标记出滴虫区域。

本发明一种基于运动目标识别的白带滴虫自动检测的方法,该方法通过连续获取
样本图像,然后对样本图像进行处理,获取图像的前景与背景,通过对连续的图像进行前景
与背景分析,前景与背景改变的地方识别出滴虫区域,再根据滴虫的形态特征进一步的识
别出滴虫。从而本发明具有改进了传统的Kalman背景重建方法,可?#34892;б种?#20809;照变化、镜头
移动和焦距变化带来的噪声,准确分割背景和前景区域。

附图说明

图1是本发明一种基于运动目标识别的白带滴虫自动检测的方法的算法流程图。

具体实施方式

下面结合附图,对本发明的视觉方案进行详细说明:

步骤1:将白带样本涂抹至载玻片上,放?#26009;?#24494;镜下,获取最?#38597;?#25668;距离并保持固
定;

步骤2:使用显微镜相机采集同一视野下连续的清晰的样本图像序列;

步骤3:将步骤2中图像序列的第一张图像作为Kalman背景重建法中的背景图像;

步骤3-1:提取图像序列的第一张图像;

步骤3-2:对图像进行高斯滤波,使用半径为10的圆形邻域,参数?#19994;?#20110;2,滤除噪
声,获得背景图像。

步骤4:提取步骤2中采集的后续图像,将当前的后续图像与背景图像差分后获得
差分图像,根据差分图像得到待定的运动前景图像;

步骤4-1:对图像进行高斯滤波,滤除噪声;

步骤4-2:将滤波后的图像与背景图像作差分,获得差分图像;对其进行二值化,大
津阈值法获取阈值,得到运动区域的二值图像;

步骤4-3:对步骤4-2获得的二值图像进行闭运算,获得闭运算图像;

步骤4-4:对步骤4-3获取的闭运算图像进行孔洞填充,滤除小面积区域后获得待
定的运动前景二值图像。

步骤5:对步骤4获得的前景图像的每个前景点进行邻域判断,消除误检的静止背
景,获得修正的运动前景图像;

步骤5-1:对步骤4中的运动前景图像的每个前景点进行分析;这里假设滴虫不会
凭空出现在视野中,应是从相邻区域移动来的;若上一帧图像的运动前景中以该点为?#34892;模?br />半径为5的方形邻域中没有任何运动前景点,则当前图像该点检测为前景的原因是由于光
照变化和镜头移动等因素造成的误检,将该点重新分配为背景点;

如下式所示,M(m,n,k-1)为当前前景像素在上一图像的前景图像中它的邻域像
素,若邻域内无前景像素则重新分配为背景

步骤5-2:统计步骤5-1中每个重新分类为背景的前景点的重分配次数。

步骤6:对步骤5获得的运动前景图像每个前景点进行时间判断,进一步消除静止
的背景;

步骤6-1:统计每一个图像像素点成为前景区域的连续时间;

步骤6-2:步骤6-1中前景图像剩余前景点的连续次数如果超过10帧,说明该点为
误检的静止背景,将该点重新分配为背景点;

步骤6-3:统计步骤6-2中每个重新分类为背景的前景点的重分配次数。

步骤7:对步骤5和步骤6重新划分为背景的前景点进行误分配分析,恢复漏检的运
动滴虫区域;

步骤7-1:统计所有背景像素点的重分配次数;

步骤7-2:若统计次数超过10次,则为运动滴虫被误分配为背景;重新分配为前景
点;

步骤8:根据步骤7获得的前景运动图像,以不同的更?#28388;?#29575;更新背景图像,获得新
的背景图像;

对最终的前景区域以一定系数更新,对背景区域以一定系数更新,获得新的背景
图像;如下式所示,B(i,j,k)为当前图像背景,B(i,j,k+1)为新生成的背景,I(i,j,k)为当
前提取的图像,M(i,j,k)为最终获取的运动前景二值图像;β为背景更新系数,α为前景更新
系数;

B(i,j,k+1)=B(i,j,k)+g(k)*(I(i,j,k)-B(i,j,k)) (公式8-1)

g(k)=β*(1-M(i,j,k))+α*M(i,j,k) (公式8-2)

步骤9:当前图像与步骤8获得的背景图像差分,阈值选取获得运动前景图像;对其
进行连通区域标记,根据面积、外界矩形长宽、圆形度和离心?#23454;?#24418;态学特征识别运动滴
虫,统计滴虫个数。

步骤9-1:将当前图像与步骤8中获取的新背景进行差分,获得差分图像;对其进行
二值化,获得二值图像;

步骤9-2:对步骤9-1获取的二值图像进行连通区域标记;

步骤9-3:计算每个连通区域的面积,保留面积在一定范围的区域;

步骤9-4:计算剩余每个连通区域的长宽,保留长宽比满足一定条件的区域;

步骤9-5:计算剩余每个连通区域的圆形度,保留圆形度满足一定条件的区域,计
算离心?#21097;?#20445;留离心率满足一定条件的区域;

步骤9-6:统计剩余连通区域的个数即滴虫数量,并在图像上标记出滴虫区域。

关于本文
本文标题:一种基于运动目标识别的白带滴虫自动检测的方法.pdf
链接地址:http://www.pqiex.tw/p-5994573.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站?#22836;?/a> - 联?#28404;?#20204;

[email protected] 2017-2018 zhuanlichaxun.net网?#26223;?#26435;所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 山西十一选五最新遗漏数据 北京11选5开奖结果 甘肃十一选五开将结果 河南11选5历史开奖号码是多少钱 pk10怎么算冠军口诀 11选5怎么赚钱 老版888棋牌 股票配资论坛ぴ杨方配资 乐中彩票官网 西安福彩中心主任