出全局最优位置gbesti和局部最优位置pbesti，然后进行最优解的判断，替换最优解的类间 方差值，寻找显著图的最佳分割阔值。通过W上的适当改进，可W较为完整的提取骨髓细胞 图像中的白细胞区域。
[0083] (8)通过W上几个步骤的运算，可W得到骨髓细胞图像的白细胞区域，但容易产生 过分割的现象，本实施例采用形态学中的闭运算解决运个问题，先膨胀后腐蚀的过程称为 闭运算，闭运算可W有效的去除小的噪声点，连接图像中细小的断裂，填充一些像素边缘的 凹陷或者去掉小的毛刺，可W得到具有较为完整的白细胞区域的图像，效果如图2中的（e) 所示。对白细胞病理检测具有一定的实际应用价值。
[0084] 为了评判图像显著性区域提取方法效果，采用了概率边缘指数(Probabilistic Rand Index, PRI)、全局一致性误差（Global Consistency Error，GCE)、变换信息量 (Variation Of Information，V0I)[Cheng M M,Zheng Q Z.Saliency and similarity detection for image scene analysis[D].Bei-jing:Tsinghua University,2012]Ξ种 检测方法进行验证分析，其中PRI在取值范围[0，1 ]中值越大，则实际分割结果与理想分割 结果越接近，GCE在取值范围[0，1]得到的值越小证明提取效果越好，V0I取值范围[0，w]的 值越小，说明实际分割结果相对理想分割图像信息变化越少，实际分割结果与理想分割图 像越接近。并与原始ITTI视觉模型[Itti L,Koch C.Compu1:ational modeling of visual atten-tion[J].Na1:ure Reviews 化ture Reviews Neuroscience,2001,2(3):194-203]、 基于上下文的显著性检测（Context-Aware Saliency Detection,CA)[Gofe;rman L,Manor Z.Context aware saliency detection.Conference on Computer Vision and Pattern Recognition,2010:9-16]、基于光谱剩余模型（Spectral Residual Model,SR)[Hou X, Zhang L.Saliency detection:A spectral res-idu曰1 曰ppro曰ch[J]. IEEE Conference on Computer Vision and Pattern Reco即ition,2007:1-8]的算法进行实验对比。骨髓细 胞图像进行感兴趣区域提取实验对比效果如图3所示。使用上述方法进行10次实验验证，得 出平均检测结果如表1所示。
[00化]表1检测结果
[0086]
[0087] 通过表1可W看出PRI的值利用本发明算法在合理范围内的值是最大的也是最接 近理想值的，GCE和V0I的值在合理范围内的值是最小的同时也最接近理想值，为了提取理 想感兴趣区域增加了迭代次数，使得利用本发明算法耗时远远小于CA方法，且与ITTI接近， 其他指标综合比较可知本发明算法更具有优越性和实际应用价值。
[0088] W上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所 示的也只是本发明的实施方式之一，实际并不局限于此。所W，如果本领域的普通技术人员 受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的 方式及实施例，均应属于本发明的保护范围。
【主权项】
1. 一种基于粒子群优化ITTI模型的白细胞区域提取方法，其步骤为： 步骤一、在医院检验科采集经瑞氏染色法处理的骨髓细胞图像； 步骤二、将步骤一所得骨髓细胞显微图像通过高斯滤波与隔行向下采样，分解出颜色 特征金字塔、亮度特征金字塔、方向特征金字塔； 步骤三、经过步骤二所述三种特征金字塔，再利用中央-周边差算子计算出12个颜色、 24个方向、6个亮度共计42个多尺度显著性特征图； 步骤四、对于步骤三所得不同尺度的显著性特征图，分别对三种显著性特征图采用归 一化处理后再进行多尺度间求和，分别得到颜色显著图、亮度显著图、方向显著图； 步骤五、利用自适应系数融合的方法将步骤四所得三类显著图合并成最终的显著图； 步骤六、利用基于改进粒子群优化算法的Otsu法提取骨髓细胞图像中感兴趣区域。2. 根据权利要求1所述的一种基于粒子群优化ITTI模型的白细胞区域提取方法，其特 征在于:步骤三中中央-周边差算子的取值为C e{2,3,4}，Se{2,3}。3. 根据权利要求1所述的一种基于粒子群优化ITTI模型的白细胞区域提取方法，其特 征在于:步骤五利用自适应系数融合的方法求得最终显著图的计算公式如下： Si = RGBoo(l-P)+P*Ioo S = Si(l-P2)+P2*Ooo 式中，RGBQQ、I(X)、0()()分别表示颜色显著图、亮度显著图、方向显著图；P表示骨髓细胞图 像中亮度所占的比例，31表示颜色显著图和亮度显著图通过自适应系数融合后的显著图；P2 表示图像31在原始细胞图像中像素面积所占的比例，S表示图像51和方向显著图融合后的最 终显著图。4. 根据权利要求1所述的一种基于粒子群优化ITTI模型的白细胞区域提取方法，其特 征在于:步骤六对粒子群优化算法中的速度和位置更新公式为：上式中，k表示迭代次数;W表示惯性权重;Cl、C2、C3表示加速因子;Γ1、Γ2、Γ3是相互独立 的随机数，取值范围在(〇，1)区间；^表示粒子的位置，其中χ?表示粒子的初始位置;Vi表示 粒子的飞行速度，pbesti表示粒子经过的最佳适应值的位置;gbesti表示粒子全局最佳适应 值的位置。5. 根据权利要求4所述的一种基于粒子群优化ITTI模型的白细胞区域提取方法，其特 征在于:采用非线性的惯性权重w:式中，wmax、WMn分别表示最大和最小的惯性权重初始值，k表示当前迭代次数，G表示最 大迭代次数。6. 根据权利要求4或5所述的一种基于粒子群优化ITTI模型的白细胞区域提取方法，其 特征在于:0tsu优化算法迭代次数k为100,初始粒子个数为图像横向像素个数，惯性权重w 最大值与最小值分别为〇.9、0.4，加速因子&、(： 2、(：3都为2。7. 根据权利要求1所述的一种基于粒子群优化ITTI模型的白细胞区域提取方法，其特 征在于:步骤六基于粒子群优化算法的Otsu法提取骨髓细胞图像中感兴趣区域后，采用形 态学中的先膨胀后腐蚀的闭运算对图像进行处理，得到骨髓细胞图像的白细胞区域。
【专利摘要】本发明公开了一种基于粒子群优化ITTI模型的白细胞区域提取方法，属于图像处理技术领域。本发明首先利用高斯滤波和多尺度归一化的方法，分别提取原始灰度图的方向、亮度、颜色显著性特征，再根据人眼对视觉特性贡献不一致的原理对三种显著性特征采用自适应系数相融合的方式得到显著图，最后利用基于改进的粒子群优化算法的Otsu法对显著图进行感兴趣区域的提取，即可得到完整的白细胞区域。实验表明，利用本发明方法与其它提取骨髓细胞图像感兴趣区域的方法相比较，本发明可以更好的提取完整的白细胞区域。
【IPC分类】G06K9/62, G06K9/46
【公开号】CN105631456
【申请号】CN201510946589
【发明人】纪滨, 杨盼盼, 马丽
【申请人】安徽工业大学
【公开日】2016年6月1日
【申请日】2015年12月15日