一种宫颈lct图像的异常细胞核定位方法
【专利摘要】本发明公开了一种宫颈LCT图像的异常细胞核定位方法，包括如下步骤：S1对宫颈LCT图像采用高斯差分算子进行运算，并进行灰度增强，得到仅含边缘信息的边缘图像；S2确定宫颈LCT图像融合边缘图像的权值；S3宫颈LCT图像与S2中得到权值相乘，再与边缘图像相加，得到边缘淡化图像；S4采用视觉注意的方法处理边缘淡化图像，得到图像的显著区域，所述显著区域为异常细胞核区域。本发明通过原图像以一定权值与边缘图像相加的方法有效地增强了宫颈LCT图像中异常细胞核的显著程度，利用视觉注意模型则保证了可以快速准确地完成对宫颈LCT图像中异常细胞核区域的定位。
【专利说明】—种宫颈LCT图像的异常细胞核定位方法
【技术领域】
[0001]本发明涉及计算机数字图像处理领域，特别涉及一种宫颈LCT图像的异常细胞核定位方法。
【背景技术】
[0002]宫颈癌是女性特有癌症之一。据卫生部统计，我国每年新增宫颈癌病例达13.5万，近年发病率呈上升趋势，而患者年龄也趋于年轻化。研究表明，宫颈癌的普查、早期发现、早期治疗对降低其发病率和死亡率非常重要。
[0003]在诸多宫颈癌的筛查检验手段中，目前使用最为广泛的是液基细胞学检测系统(liquid-based cytologic test, LCT)。然而人工阅片的模式使得宫颈癌的正确诊断率与人眼疲劳及阅片人的经验水平及责任心息息相关，因此，使用计算机辅助检查出的异常细胞，再经细胞学专家审定，就会更加的快速、准确、方便和先进。
[0004]目前，由于计算机辅助检查会检查整个细胞图像中的所有细胞，使得其时间开销较大。而目前国内外相关的研究都是对整个细胞图像进行分割，对宫颈LCT细胞感兴趣区域定位的研究尚未发现。
【发明内容】
[0005]本发明的目的在于克服现有技术的缺点与不足，提供一种宫颈LCT图像的异常细胞核定位方法。
[0006]本发明采用如下技术方案:
[0007]—种宫颈LCT图像的异常细胞核定位方法，包括如下步骤:
[0008]SI对宫颈LCT图像采用高斯差分算子进行运算，并进行灰度增强，得到仅含边缘信息的边缘图像；
[0009]S2确定宫颈LCT图像融合边缘图像的权值；
[0010]S3宫颈LCT图像与S2中得到权值相乘，再与边缘图像相加，得到边缘淡化图像；
[0011]S4采用视觉注意的方法处理边缘淡化图像，得到图像的显著区域，所述显著区域为异常细胞核区域。
[0012]所述高斯差分算子由两个大小相同，且方差不同的高斯低通滤波器做差运算得到。
[0013]所述S2确定宫颈LCT图像融合边缘图像的权值具体通过训练得到。
[0014]所述S4中视觉注意的方法具体采用视觉注意模型。
[0015]所述宫颈LCT图像融合边缘图像的权值为0.4。
[0016]本发明通过增强异常细胞核的视觉显著性，利用目前比较成熟的对自然图像进行感兴趣区域定位的模型，对宫颈LCT图像中的异常细胞核区域进行快速定位，在定位到异常细胞核区域后，可以很方便地对这些区域进行分割、识别、分类等处理。
[0017]本发明的有益效果:[0018](I)提出了利用视觉注意模型提取宫颈LCT图像感兴趣区域的方法，使得对高精度图像进行局部的处理成为可能；
[0019](2)首次提出用原图像以一定权值与边缘图像相加来进行边缘模糊处理，大大增强了异常细胞核的视觉显著程度，可以有效提高异常细胞核区域定位的准确性。
【专利附图】
【附图说明】
[0020]图1是一种宫颈LCT图像的异常细胞核定位方法的流程图。
【具体实施方式】
[0021]下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。
[0022]实施例
[0023]如图1所示，一种宫颈LCT图像的异常细胞核定位方法，包括如下步骤:
[0024]SI对宫颈LCT图像采用高斯差分算子进行运算，并进行灰度增强，得到仅含边缘信息的边缘图像；
[0025]S2确定宫颈LCT图像融合边缘图像的权值，本发明的最佳权值为0.4 ；
[0026]S3宫颈LCT图像与S2中得到权值相乘，再与边缘图像相加，得到边缘淡化图像；
[0027]S4采用视觉注意的方法处理边缘淡化图像，得到图像的显著区域，所述显著区域为异常细胞核区域。
[0028]所述SI中高斯差分算子具体实现如下:包括两个高斯低通滤波器，高斯低通滤波器的功能是过滤掉部分图像的高频信息，即图像的边缘部分，所述两个滤波器的大小相同而方差不同，将这两个滤波器进行做差运算就可以构造出高斯差分算子。
[0029]所述高斯差分算子(Differential of Gaussian)也简称为DoG算子,在图像处理中，一般通过傅里叶变换，可以将空间域的信息转化为频率域的信息
[0030]高斯核是唯一可以产生多尺度空间的核。一个图像的尺度空间L(x，y，O)，定义为原始图像i(x，y)与一个可变尺度的二维高斯函数G(x，y，σ)卷积运算。高斯函数如下式所示:
【权利要求】
1.一种宫颈LCT图像的异常细胞核定位方法，其特征在于，包括如下步骤: SI对宫颈LCT图像采用高斯差分算子进行运算，并进行灰度增强，得到仅含边缘信息的边缘图像； S2确定宫颈LCT图像融合边缘图像的权值； S3宫颈LCT图像与S2中得到权值相乘，再与边缘图像相加，得到边缘淡化图像； S4采用视觉注意的方法处理边缘淡化图像，得到图像的显著区域，所述显著区域为异常细胞核区域。
2.根据权利要求1所述的一种宫颈LCT图像的异常细胞核定位方法，其特征在于，所述高斯差分算子由两个大小相同，且方差不同的高斯低通滤波器做差运算得到。
3.根据权利要求1所述的一种宫颈LCT图像的异常细胞核定位方法，其特征在于，所述S2确定宫颈LCT图像融合边缘图像的权值具体通过训练得到。
4.根据权利要求1所述的一种宫颈LCT图像的异常细胞核定位方法，其特征在于，所述S4中视觉注意的方法具体采用视觉注意模型。
5.根据权利要求3所述的一种宫颈LCT图像的异常细胞核定位方法，其特征在于，所述宫颈LCT图像融合边缘图像的权值为0.4。
【文档编号】G06T7/00GK103489188SQ201310436809
【公开日】2014年1月1日 申请日期:2013年9月23日 优先权日:2013年9月23日
【发明者】张见威, 朱林, 张珊珊, 胡振朋 申请人:华南理工大学