本發(fā)明屬于使用計(jì)算機(jī)視覺(jué)方案對(duì)醫(yī)學(xué)顯微圖像進(jìn)行自動(dòng)檢測(cè)及識(shí)別，具體指的是一種提取hog特征，使用svm支持向量機(jī)進(jìn)行白帶中的桿菌分類。
背景技術(shù)：
桿菌數(shù)量的多少是白帶常規(guī)檢查中的一項(xiàng)重要標(biāo)準(zhǔn)。傳統(tǒng)的檢測(cè)方法為醫(yī)生獲取病人的白帶樣本，制成涂片后在顯微鏡下觀察。涂片中觀察到的桿菌數(shù)量的多少可作為細(xì)菌性陰道病的診斷標(biāo)準(zhǔn)之一。傳統(tǒng)的人工判斷方式效率低，且桿菌細(xì)小，數(shù)量難以判斷，大部分情況下僅依靠醫(yī)生的經(jīng)驗(yàn)。目前，計(jì)算機(jī)圖像處理技術(shù)發(fā)展日新月異，同時(shí)考慮到未來(lái)的發(fā)展趨勢(shì)為全自動(dòng)化取代人工，我們提出了一種計(jì)算機(jī)視覺(jué)方案：使用濾波方法分割圖像，提取桿菌的離心率等二值圖像特征和方向梯度直方圖(histogramoforientedgradient，hog)特征、gabor變換(窗口傅里葉變換)特征等灰度圖像特征，最后使用svm支持向量機(jī)進(jìn)行分類。該方案解決了人工檢測(cè)效率低、易出錯(cuò)等問(wèn)題。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明為解決目前醫(yī)院白帶檢測(cè)項(xiàng)目中的技術(shù)不足問(wèn)題提出了解決方案。
步驟1：使用顯微鏡獲取白帶樣本圖像
步驟2：將步驟1中的圖像進(jìn)行灰度變換，獲得灰度圖像。
步驟3：對(duì)步驟2獲取的灰度圖像濾波獲得二值圖像。
步驟4：標(biāo)定步驟3獲得的二值圖像連通區(qū)域，計(jì)算每個(gè)連通域的離心率，橢圓長(zhǎng)短軸之比和面積大小，根據(jù)預(yù)設(shè)的參數(shù)粗篩選桿菌區(qū)域。
步驟5：提取步驟4中每個(gè)被保留的區(qū)域?qū)?yīng)的灰度圖像，分別計(jì)算目標(biāo)和背景的像素均值和方差，進(jìn)一步篩選區(qū)域，對(duì)保留的灰度圖像計(jì)算hog特征和gabor特征，組成高維向量。
步驟6：對(duì)步驟5中獲取的向量進(jìn)行pca主成分分析，結(jié)果特征向量送入svm支持向量機(jī)進(jìn)行分類，精細(xì)篩選。
步驟7：統(tǒng)計(jì)桿菌數(shù)量，輸出判斷結(jié)果。
其中，步驟3的具體步驟為：
步驟3-1：首先對(duì)圖像進(jìn)行中值濾波，獲得濾波圖像。
步驟3-2：使用原圖像與濾波圖像相減，獲得差值圖像。
步驟3-3：對(duì)差值圖像使用局部自適應(yīng)二值化獲得二值圖像。
其中，步驟4的具體步驟為：
步驟4-1：標(biāo)記二值圖像連通區(qū)域。
步驟4-2：計(jì)算每個(gè)連通區(qū)域的面積，通過(guò)面積篩選保留面積在50～400之間的區(qū)域。
步驟4-3：計(jì)算保留連通區(qū)域的橢圓長(zhǎng)短軸之比，經(jīng)過(guò)篩選，保留比例大于2的區(qū)域。
步驟4-4：計(jì)算保留連通區(qū)域的離心率，經(jīng)過(guò)篩選，保留離心率大于0.7的區(qū)域。
其中，步驟5的具體步驟為：
步驟5-1：提取步驟4中每個(gè)剩余連通區(qū)域?qū)?yīng)的灰度圖像。
步驟5-2：計(jì)算每個(gè)矩形灰度圖像中目標(biāo)區(qū)域的灰度均值，保留均值小于160的區(qū)域。
步驟5-3：計(jì)算每個(gè)矩形灰度圖像中目標(biāo)區(qū)域的灰度方差，保留方差小于10的區(qū)域。
步驟5-4：計(jì)算每個(gè)矩形灰度圖像中背景區(qū)域的灰度均值，保留均值大于150的區(qū)域。
步驟5-5：計(jì)算每個(gè)矩形灰度圖像中背景區(qū)域的灰度方差，保留方差小于6的區(qū)域。
步驟5-6：所有保留區(qū)域灰度圖像放縮至64*64。
步驟5-7：提取每個(gè)保留區(qū)域灰度圖像的hog特征，每16*16個(gè)像素組成一個(gè)cell，每個(gè)cell獲取9個(gè)方向特征，每4個(gè)cell組成一個(gè)基本圖像塊，圖像塊的移動(dòng)步長(zhǎng)為8個(gè)像素，共獲得49個(gè)搜索窗口，提取到1764維向量。
步驟5-8：提取每個(gè)保留區(qū)域灰度圖像的gabor特征，使用2個(gè)不同尺度和8個(gè)不同方向，共16個(gè)gabor濾波器，共提取40960維特征。
其中，步驟6的具體步驟為：
步驟6-1：將步驟5-7獲得的hog特征和步驟5-8獲得的gabor特征組合，進(jìn)行pca主成分分析，獲取高維向量的關(guān)鍵信息。
步驟6-2：使用svm支持向量機(jī)，徑向基核函數(shù)rbf作為核函數(shù)(如公式6-1和6-2所示)，懲罰系數(shù)c取2，rbf核半徑σ取3。
k(x,y)＝exp(-γ||x-y||2)公式(6-1)
s.t.,c≥αi≥0,i＝1,…,n
步驟6-3：將訓(xùn)練樣本降維后的特征輸入到svm支持向量機(jī)中訓(xùn)練，樣本標(biāo)記設(shè)置為：桿菌1、雜質(zhì)0，訓(xùn)練樣本至輸出誤差小于0.001。
步驟6-4：將6-1獲取的主成分向量輸入至訓(xùn)練好的svm中分類，輸出大于0.5的為桿菌，輸出小于0.5的為雜質(zhì)。標(biāo)記桿菌區(qū)域，并統(tǒng)計(jì)桿菌個(gè)數(shù)。
附圖說(shuō)明
圖1是本發(fā)明的算法流程圖。
具體實(shí)施方式
下面結(jié)合附圖，對(duì)本發(fā)明的視覺(jué)方案進(jìn)行詳細(xì)說(shuō)明：
步驟1：使用顯微鏡獲取白帶樣本圖像
步驟2：將步驟1中的圖像進(jìn)行灰度變換，獲得灰度圖像。
步驟3：對(duì)步驟2獲取的灰度圖像進(jìn)行濾波獲得二值圖像。
步驟3-1：首先對(duì)圖像進(jìn)行中值濾波，獲得濾波圖像。
步驟3-2：使用原圖像與濾波圖像相減，獲得差值圖像。
步驟3-3：對(duì)差值圖像使用局部自適應(yīng)二值化獲得二值圖像。
步驟4：標(biāo)定步驟3獲得的二值圖像連通區(qū)域，計(jì)算每個(gè)連通域的離心率，橢圓長(zhǎng)短軸之比和面積大小，根據(jù)預(yù)設(shè)的參數(shù)粗篩選桿菌區(qū)域，
步驟4-1：標(biāo)記二值圖像連通區(qū)域。
步驟4-2：計(jì)算每個(gè)連通區(qū)域的面積，通過(guò)面積篩選保留面積在50～400之間的區(qū)域。
步驟4-3：計(jì)算保留連通區(qū)域的橢圓長(zhǎng)短軸之比，經(jīng)過(guò)篩選，保留比例大于2的區(qū)域。
步驟4-4：計(jì)算保留連通區(qū)域的離心率，經(jīng)過(guò)篩選，保留離心率大于0.7的區(qū)域。
步驟5：提取步驟4中每個(gè)被保留的區(qū)域?qū)?yīng)的灰度圖像，分別計(jì)算目標(biāo)和背景的像素均值和方差，計(jì)算hog特征和gabor特征，組成高維向量。
步驟5-1：提取步驟4中每個(gè)剩余連通區(qū)域?qū)?yīng)的灰度圖像。
步驟5-2：計(jì)算每個(gè)矩形灰度圖像中目標(biāo)區(qū)域的灰度均值，保留均值小于160的區(qū)域。
步驟5-3：計(jì)算每個(gè)矩形灰度圖像中目標(biāo)區(qū)域的灰度方差，保留方差小于10的區(qū)域。
步驟5-4：計(jì)算每個(gè)矩形灰度圖像中背景區(qū)域的灰度均值，保留均值大于150的區(qū)域。
步驟5-5：計(jì)算每個(gè)矩形灰度圖像中背景區(qū)域的灰度方差，保留方差小于6的區(qū)域。
步驟5-6：所有保留區(qū)域灰度圖像放縮至64*64。
步驟5-7：提取每個(gè)保留區(qū)域灰度圖像的hog特征，每16*16個(gè)像素組成一個(gè)cell，每個(gè)cell獲取9個(gè)方向特征，每4個(gè)cell組成一個(gè)基本塊，塊移動(dòng)步長(zhǎng)為8個(gè)像素，獲得49個(gè)搜索窗口，共提取1764維向量。
步驟5-8：提取每個(gè)保留區(qū)域灰度圖像的gabor特征，使用2個(gè)不同尺度和8個(gè)不同方向，共16個(gè)gabor濾波器，共提取40960維特征。
步驟6：對(duì)步驟5中獲取的向量進(jìn)行pca主成分分析，結(jié)果特征向量送入svm支持向量機(jī)進(jìn)行分類，精細(xì)篩選。
步驟6-1：將步驟5-7獲得的hog特征和步驟5-8獲得的gabor特征組合，進(jìn)行pca主成分分析，獲取高維向量的關(guān)鍵信息。
步驟6-2：使用svm支持向量機(jī)，徑向基函數(shù)rbf作為核函數(shù)，懲罰系數(shù)c取2，rbf核半徑sigma取3。
步驟6-3：將訓(xùn)練樣本降維后的特征輸入到svm支持向量機(jī)中訓(xùn)練，樣本標(biāo)記設(shè)置為：桿菌1、雜質(zhì)0，訓(xùn)練樣本至輸出誤差小于0.001。
步驟6-4：將6-1獲取的主成分向量輸入至訓(xùn)練好的svm中分類，輸出大于0.5的為桿菌，輸出小于0.5的為雜質(zhì)。標(biāo)記桿菌區(qū)域，并統(tǒng)計(jì)桿菌個(gè)數(shù)。
步驟7：統(tǒng)計(jì)桿菌數(shù)量，輸出判斷結(jié)果。