專利名稱：圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明所涉及的是一種基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的骨髓切片的灰度圖像中有核細(xì)胞邊緣檢測的圖像處理方法。

背景技術(shù)：
骨髓切片中有核細(xì)胞的數(shù)量是判斷骨髓增生程度的重要指標(biāo)。它對(duì)血液病、腫瘤化療、骨髓移植等患者的骨髓增生或恢復(fù)情況進(jìn)行判讀，具有重要意義。骨髓切片成分復(fù)雜，不僅含有有核細(xì)胞，還有淋巴細(xì)胞、染色的細(xì)胞質(zhì)等其他成分存在，臨床上采用的是基于目測估計(jì)的低倍鏡估計(jì)法，該方法很大程度上取決于醫(yī)師的經(jīng)驗(yàn)，因此往往主觀性強(qiáng)，隨意性大，而且準(zhǔn)確性和重復(fù)性差。
骨髓切片圖像中有核細(xì)胞的邊緣檢測是對(duì)骨髓有核細(xì)胞進(jìn)行計(jì)算機(jī)自動(dòng)計(jì)數(shù)的關(guān)鍵步驟，其準(zhǔn)確性決定了自動(dòng)計(jì)數(shù)結(jié)果的準(zhǔn)確與否。由于骨髓切片的復(fù)雜成分，目前還未見有采用圖像處理對(duì)骨髓切片圖像中的有核細(xì)胞進(jìn)行邊緣檢測的方法。
細(xì)胞神經(jīng)網(wǎng)絡(luò)是一種功能強(qiáng)大、易于電路實(shí)現(xiàn)的非線性處理器陣列，由美國的ChuaLO教授于1988年提出。細(xì)胞神經(jīng)網(wǎng)絡(luò)是一種局部連接的反饋式神經(jīng)網(wǎng)絡(luò)，每個(gè)細(xì)胞只和鄰域的細(xì)胞進(jìn)行連接，所以它比全局互聯(lián)的神經(jīng)網(wǎng)絡(luò)具有更簡單的結(jié)構(gòu)。而且細(xì)胞神經(jīng)網(wǎng)絡(luò)具有并行處理的特點(diǎn)，非常適合于大規(guī)模集成電路實(shí)現(xiàn)，在信號(hào)處理、圖像處理等方面具有非常廣闊的應(yīng)用前景。
一個(gè)標(biāo)準(zhǔn)的M×N的CNN陣列中，C(i，j)表示第i行第j列的細(xì)胞，細(xì)胞C(i，j)的中心半徑為r的近鄰影響區(qū)域Si，j(r)定義為(1)式所示。
Si，j(r)＝{C(k，l)|max(|k-i|，|l-j|)≤r} (1) 每個(gè)細(xì)胞的標(biāo)準(zhǔn)狀態(tài)方程如(2)式所示 式(1)、(2)中，1≤i≤M，1≤j≤N，xi，j為狀態(tài)變量，yi，j為輸出變量，uk，l為輸入變量，Ii，j為閾值，ak，l為反饋系數(shù)，bk，l為控制系數(shù)。由反饋系數(shù)ak，l組成的矩陣A稱為反饋模板，由控制系數(shù)bk，l組成的矩陣B稱為控制模板。
本發(fā)明的目的是利用細(xì)胞神經(jīng)網(wǎng)絡(luò)對(duì)骨髓切片灰度圖像提供一種簡單有效的有核細(xì)胞邊緣檢測方法。


發(fā)明內(nèi)容
本發(fā)明的目的是為骨髓切片灰度圖像提供一種簡單高效的有核細(xì)胞邊緣檢測方法。
為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是采用細(xì)胞神經(jīng)網(wǎng)絡(luò)對(duì)骨髓切片灰度圖像中的有核細(xì)胞進(jìn)行邊緣檢測。包括細(xì)胞神經(jīng)網(wǎng)絡(luò)的輸出函數(shù)、模板參數(shù)、初始值及采用細(xì)胞神經(jīng)網(wǎng)絡(luò)對(duì)骨髓切片灰度圖像進(jìn)行邊緣處理的過程。
本發(fā)明采用的細(xì)胞神經(jīng)網(wǎng)絡(luò)的輸出函數(shù)如式(3)所示，其中(T為位于區(qū)間
之間的一個(gè)特定值。
本發(fā)明細(xì)胞神經(jīng)網(wǎng)絡(luò)的模板參數(shù)如(4)所示 Ii，j＝0.3965 (4)
具體實(shí)施例方式 本發(fā)明的具體工作過程如下。
1)將骨髓切片的灰度圖像的進(jìn)行歸一化處理。設(shè)骨髓切片的灰度圖像有M行N列，BI(i，j)表示該圖像第i行、第j列的像素的灰度值，MAX表示該像素的灰度值以二進(jìn)制表示的位數(shù)，則歸一化后得到的值G(i，j)如式(5)所示 所有的G(i，j)(其中1≤i≤M，1≤j≤N)作為矩陣元素組成M行、N列的矩陣G。
2)細(xì)胞神經(jīng)網(wǎng)絡(luò)的大小為M行，N列，近鄰影響半徑為1。第i行第j列的細(xì)胞神經(jīng)網(wǎng)絡(luò)的狀態(tài)變量xi，j初始值為0，輸入變量ui，j為G(i，j)，式(3)所示的輸出函數(shù)中的T為矩陣G中各矩陣元素的算術(shù)平均值。細(xì)胞神經(jīng)網(wǎng)絡(luò)的規(guī)模與矩陣G的規(guī)模一致，當(dāng)細(xì)胞神經(jīng)網(wǎng)絡(luò)鄰域內(nèi)的初始值超過細(xì)胞神經(jīng)網(wǎng)絡(luò)的規(guī)模時(shí)，該初始值以0代替。當(dāng)細(xì)胞神經(jīng)網(wǎng)絡(luò)鄰域內(nèi)的狀態(tài)值超過細(xì)胞神經(jīng)網(wǎng)絡(luò)的規(guī)模時(shí)，該狀態(tài)值以0代替。細(xì)胞神經(jīng)網(wǎng)絡(luò)的模板如式(4)表示。
3)對(duì)每一個(gè)細(xì)胞神經(jīng)網(wǎng)絡(luò)同時(shí)進(jìn)行計(jì)算。最終輸出為-1的細(xì)胞神經(jīng)網(wǎng)絡(luò)坐標(biāo)即為骨髓切片灰度圖像中有核細(xì)胞的邊緣像素所在位置的坐標(biāo)。
權(quán)利要求
1.一種運(yùn)用細(xì)胞神經(jīng)網(wǎng)絡(luò)對(duì)骨髓切片灰度圖像中的有核細(xì)胞進(jìn)行邊緣檢測的方法，其特征是將得到的骨髓切片的灰度圖像的像素值歸一化到區(qū)間[-1，1]，歸一化后的結(jié)果作為細(xì)胞神經(jīng)網(wǎng)絡(luò)的輸入，其中細(xì)胞神經(jīng)網(wǎng)絡(luò)的行數(shù)、列數(shù)和輸入圖像的行數(shù)、列數(shù)相同，而且細(xì)胞神經(jīng)網(wǎng)絡(luò)具有如(1)所示的輸出函數(shù)
式(1)中的T為骨髓切片灰度圖像的像素值歸一化后的平均值，細(xì)胞神經(jīng)網(wǎng)絡(luò)的模板參數(shù)如(2)所示
Ii，j＝0.3965(2)
細(xì)胞神經(jīng)網(wǎng)絡(luò)的邊界條件為0邊界，運(yùn)用細(xì)胞神經(jīng)網(wǎng)絡(luò)演化計(jì)算，最終細(xì)胞神經(jīng)網(wǎng)絡(luò)輸出值為-1的像素即骨髓切片灰度圖像中的有核細(xì)胞的邊緣。
全文摘要
本發(fā)明提供一種圖像處理方法，它是用來對(duì)骨髓切片灰度圖像中的有核細(xì)胞進(jìn)行邊緣檢測。本發(fā)明的處理方法是將骨髓切片的灰度圖像運(yùn)用細(xì)胞神經(jīng)網(wǎng)絡(luò)圖像處理方法進(jìn)行處理，得到的輸出為1的部分就是骨髓切片灰度圖像中有核細(xì)胞的邊緣。該方法簡單易行，可以用在骨髓切片的有核細(xì)胞計(jì)算機(jī)自動(dòng)識(shí)別中。
文檔編號(hào)G06T5/00GK101236649SQ20081002023
公開日2008年8月6日 申請(qǐng)日期2008年2月28日 優(yōu)先權(quán)日2008年2月28日
發(fā)明者燕 李, 強(qiáng) 馮 申請(qǐng)人:燕 李, 強(qiáng) 馮