视觉显著性与SIFT特征的棘球绦虫原头蚴存活率检测方法与流程

本发明涉及检测方法技术领域，是一种视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法。

背景技术

包虫病是由细粒棘球绦虫和多房棘球绦虫的幼虫引起的严重寄生虫病，其对人和动物都有影响，这种疾病在畜牧业普遍存在的地区最为常见。中国属于包虫病高发国家之一，包括新疆维吾尔自治区在内，部分地区仍然呈高流行趋势。目前在包虫病的防治过程中，包虫病药物治疗亟待规范药效评估，使药效评价和合理利用需要进一步完善，其中，体外判定包虫是否死亡对研发新型包虫药物和包虫病药物的药效评价和合理利用至关重要。伊红拒染法是体外判定细粒棘球蚴原头蚴死亡的常用方法，具有简单和经济、快速等优势，被体外筛选药物，研发新型肝包虫药物领域所常用。伊红拒染法使用的染色液是伊红染色液。利用染料拒染原理，即相关基于损伤的细胞膜，在非活的(死)细胞上的膜，允许非透过膜性染料可进入膜内染色；而活细胞的细胞膜能够抗拒染料进入，产生拒染现象，不着色。在显微镜下由伊红拒染法导出视频和图片后严格按照原头蚴存活于死亡计数标准来计算存活情况。虽然伊红拒染法简单和快速、经济等优势，但存在一定的缺点。如：人工计数存在人为误差，人工计数时间较长。因此开发智能识别伊红拒染法图像很有必要。

虽然目前伊红拒染法图像智能识别算法未见报道，但是常规虫体识别领域有一些算法，例如，remam.等人研究出一种基于主动轮廓模型的人体寄生虫卵显微图像分割计数，有效实现了对复杂背景下虫卵图像的分割，陈碧黎等提出了一种基于形态学滤波方法的寄生虫虫卵图像混合分割算法，通过对形态学滤波的改进并结合凸包运算，对寄生虫卵图像进行了有效分割。高源等用了支持向量机作为分类器，对显微图像中的血吸虫虫卵的识别进行了研究，张正龙提出改进后的k近邻分类器对其进行识别分类。在近几年里，针对显微医学中寄生虫识别技术，国内外许多学者都做了大量的研究，但现有的方法存在识别处理过程中需要人工干预的部分太多，提出的图像特征不能反映图像特点，使各种识别对象的特征值范围重叠较多等，导致效率低、工作量大和存在人为误差的问题。

技术实现要素：

本发明提供了一种视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法，克服了上述现有技术之不足，其能有效解决现有方法存在识别处理过程中需要人工干预的部分太多，提出的图像特征不能反映图像特点，使各种识别对象的特征值范围重叠较多等，导致效率低、工作量大和存在人为误差的问题。

本发明的技术方案是通过以下措施来实现的：一种视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法，按下述步骤进行：第一步，将待检测20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到待检测棘球绦虫原头蚴处理图像；第二步，对待检测棘球绦虫原头蚴处理图像提取颜色和亮度的虫体图像显著图；第三步，对颜色和亮度的虫体图像显著图进行线性加权生成总显著图；第四步，提取总显著图的显著区域，在显著区域中找到疑似虫体的中心点并切取所有疑似活虫体切片，在显著区域中将这些疑似目标区域标记出来，然后通过sift算法，提取活虫体切片的sift特征，生成对应的可疑区域的sift特征向量；第五步，将可疑区域的sift特征向量与棘球绦虫原头蚴活虫体图像数据图中聚类后的sift特征向量进行比对识别，如果比对识别的结果是活虫体，则标记为活虫体目标，如果比对识别的结果不是活虫体，则取消标记，最后将标记结果还原至待检测棘球绦虫原头蚴处理图像上并计数，得到棘球绦虫原头蚴存活率。

下面是对上述发明技术方案的进一步优化或/和改进：

上述棘球绦虫原头蚴活虫体图像数据图按下述步骤得到：第一步，取20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到棘球绦虫原头蚴处理图像；第二步，选取50幅至70幅棘球绦虫原头蚴处理图像中的活虫体图像和对应活虫体图像的背景图像建立数据库；第三步，通过sift算法提取数据库中活虫体图像和背景图像的sift特征向量；第四步，对sift特征向量通过k-means算法进行聚类，然后将聚类后的sift特征向量放入svm分类器中，得到棘球绦虫原头蚴活虫体图像数据图。

本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法对待检测的原头蚴图像进行识别，活原头蚴基本上落在被标记的图像区域内；基于视觉显著性与sift特征的识别方法是对图像局部进行计算，仅考虑由显著图得到的疑似原头蚴区域，从sift特征提取节省了大量时间，在样本图像的sift特征向量的获得上，本发明采用k-means算法对其进行聚类改变了sift特征向量存在高维的特征描述，解决了计算过于复杂，耗时过长等问题，提高了使用sift特征进行目标搜索的计算效率，显著区域内的sift特征更加稳定，改变了由人工计数造成的人为误差，人工计数时间较长，造成的工作效率低、工作量大的问题，同时也保证了识别的正确率。

附图说明

附图1为棘球绦虫原头蚴图像。

附图2为棘球绦虫原头蚴图像通过现有方法得到的原itti显著图。

附图3为棘球绦虫原头蚴图像经本发明处理后得到改进的itti显著图。

附图4为棘球绦虫原头蚴图像通过本发明检测后的识别结果图。

附图5为本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法的的流程图。

具体实施方式

本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。

实施例1，该视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法，按下述步骤进行：第一步，将待检测20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到待检测棘球绦虫原头蚴处理图像；第二步，对待检测棘球绦虫原头蚴处理图像提取颜色和亮度的虫体图像显著图；第三步，对颜色和亮度的虫体图像显著图进行线性加权生成总显著图；第四步，提取总显著图的显著区域，在显著区域中找到疑似虫体的中心点并切取所有疑似活虫体切片，在显著区域中将这些疑似目标区域标记出来，然后通过sift算法，提取活虫体切片的sift特征，生成对应的可疑区域的sift特征向量；第五步，将可疑区域的sift特征向量与棘球绦虫原头蚴活虫体图像数据图中聚类后的sift特征向量进行比对识别，如果比对识别的结果是活虫体，则标记为活虫体目标，如果比对识别的结果不是活虫体，则取消标记，最后将标记结果还原至待检测棘球绦虫原头蚴处理图像上并计数，得到棘球绦虫原头蚴存活率。本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法的操作均可在计算机软件matlabr2016a上进行。

实施例2，作为上述实施例的优化，棘球绦虫原头蚴活虫体图像数据图按下述步骤得到：第一步，取20个至100个棘球绦虫原头蚴经过伊红拒染法处理或台盼蓝染色处理，处理后并拍照，得到棘球绦虫原头蚴处理图像；第二步，选取50幅至70幅棘球绦虫原头蚴处理图像中的活虫体图像和对应活虫体图像的背景图像建立数据库；第三步，通过sift算法提取数据库中活虫体图像和背景图像的sift特征向量；第四步，对sift特征向量通过k-means算法进行聚类，然后将聚类后的sift特征向量放入svm分类器中，得到棘球绦虫原头蚴活虫体图像数据图。伊红拒染法处理、台盼蓝染色处理、sift算法和k-means算法均为现有公知公用。

理论与算法（在理论与算法中棘球绦虫原头蚴简称为原头蚴）

视觉显著性

人类的视觉系统拥有图像理解、识别、处理的能力，用计算机模拟视觉系统，建立视觉注意模型是图像处理领域中的研究热点。人类的视觉观察具有选择性，不会将视线看到的所有事物都进行分析和思考，大脑只关心他关心的那些事物。简而言之，大脑只处理明显并特殊的事物，即为显著的事物。计算机模拟的视觉注意力模型重点就是快速地定位到显著区域。从广义上来讲，图像包含了多种能够被人类所感知到的信息，例如:颜色、纹理、亮度等。但是，通常情况下，并不是所有信息都是我们所关心的，往往只有某一部分区域的信息才是我们所感兴趣的。因此，定位感兴趣区域，并将其从图像中提取出来，就成为图像处理中非常必要的步骤；目前，视觉显著性的研究主要有4种模型：光谱剩余模型、hu-rajan-chia模型、stentiford模型、itti视觉注意模型；itti模型依据目标与背景之间特征，对比度之间的差异，模拟人类感知能力，提取感兴趣区域。

改进的itti模型

传统的由于医学显微原头蚴图像分析经过伊红拒染法处理，染色后图像颜色较为分明，而itti视觉模型主要利用颜色特征、方向特征、亮度特征，故itti视觉模型是较为合适的选择；本发明针对传统itti视觉模型提取图像显著性区域的准确度不高，难以提取完整的感兴趣区域的问题，根据人眼对不同显著性特征敏感程度存在差异这一事实，对传统itti视觉模型中显著性特征结合方式进行改进，在原头蚴图像中，原头蚴的方向基本上没有太大的作用，忽略方向显著图，将颜色和亮度的显著图进行线性加权生成总的显著图s；经过改进后，得到的总的显著图s能够较好的对原头蚴进行粗定位。

算法

sift算法在尺度空间寻找极值点，提取位置、尺度、旋转不变量，对旋转、尺度缩放、亮度变化保持不变性，对仿射变换、噪声也能够在一定程度上保持稳定性；它主要包括以下四个步骤：尺度空间极值点检测、特征点过滤并进行精确定位、特征点方向分配、关键点描述符；通过以上三个步骤就得到了完整的特征点，每一个特征点都包含坐标位置、所处尺度和方向这三个信息。通过以上步骤，对于每一个关键点，拥有三个信息：位置、尺度以及方向。接下来就是为每个关键点建立一个描述符，用一组向量将这个关键点描述出来，使其不随各种变化而改变，比如光照变化、视角变化等等。这个描述子不但包括关键点，也包含关键点周围对其有贡献的像素点，并且描述符应该有较高的独特性，以便于提高特征点正确匹配的概率。在具体操作时，通常是将关键点及其周围的点进行比较，以每个极值点作为中心点，选择其邻近的16个子区域，依据坐标位排序，由于每个区域中含有8个方向，因此可构造生成该极值点的128维的特征描述子。即可获得目标图像全部的尺度不变特征描述子。为进一步提高特征描述子的稳定性，还要其做归一化处理。

基于视觉显著性与sift识别原头蚴算法概述

本发明通过改进的itti模型与sift算法，首先提取由伊红拒染法得到的原头蚴图像的显著图，获取疑似活原头蚴的中心点，根据要检测的活原头蚴大小，在中心点的位置切取所有疑似活原头蚴图像。通过sift算法，先对已知的活原头蚴样本图像提取sift特征，得到sift特征向量，用k-means聚类方法对向量进行聚类，生成k维的特征向量，将这个特征向量进行svm训练，获得svm分类器；再将疑似活原头蚴图像提取sift特征放入训练好的svm分类器，进行“是”“否”二分类，再将分类结果返回原图像并标记出来，就得到最终的检测结果。

本发明上述实施例的验证试验（在验证试验中棘球绦虫原头蚴简称为原头蚴）

为了验证本文提出的算法的有效性，在matlabr2016a下进行实验，采用的图片是由被伊红拒染法处理过的原头蚴显微图像，活原头蚴样本图片是从不同原头蚴图片中获得的不同的目标图像和背景图像。首先建立60幅活原头蚴图像库和60幅背景图像库，生成svm分类器，然后通过本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法对待检测的原头蚴图像进行识别；提取图像显著图并且标记出疑似活原头蚴；将疑似活原头蚴提取sift特征放入已经训练好的svm分类器分类，再将分类结果返回到原始原头蚴图像并标记出来；附图1为棘球绦虫原头蚴图像；附图2为棘球绦虫原头蚴图像通过现有方法得到的原itti显著图；附图3为棘球绦虫原头蚴图像经本发明处理后得到改进的itti显著图；附图4为棘球绦虫原头蚴图像通过本发明检测后的识别结果图；附图5为本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法的的流程图。附图2和附图3对比后可以看出，改进的itti显著图与原itti显著图相比，虽然略去了图像的方向，但不影响识别效果，反而使活虫体连通域更加清楚，更有效的帮助对活虫体的粗略识别。

试验1.取被伊红拒染法处理或台盼蓝染色处理过的待检测原头蚴显微图片中共有23个完整原头蚴，其中一个原头蚴为死原头蚴，通过本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法对待检测的原头蚴图像进行识别，识别结果见表1所示，表1中改进的itti显著图为本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法的第三步中，对颜色和亮度的虫体图像显著图进行线性加权生成的总显著图，表1中原itti显著图为通过现有方法对颜色、方向和亮度的虫体图像显著图进行线性加权生成的总显著图；从表1可以看出，结果显示共识别出了21个活原头蚴，识别率达到95.4%，满足了实验的要求；说明通过本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法对待检测的原头蚴图像进行识别的识别率达到了95.4%，高于原itti显著图的识别率，改进的itti显著图与原itti显著图相比，更能表现出包虫病虫体图像的特征，能够精准的标记出所有可疑目标；因此，本发明中改进的itti显著图优于原itti显著图得到的结果。

试验2.取被伊红拒染法处理或台盼蓝染色处理过的待检测原头蚴显微图片a、待检测原头蚴显微图片b和待检测原头蚴显微图片c，通过本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法对待检测的原头蚴图像进行识别，待检测原头蚴显微图片中活虫体数目对实验结果的影响的实验结果如表2所示，从表2可以看出，通过本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法对待检测的原头蚴图像进行识别，识别率高，识别率均在90%以上，可以将显微镜下虫体图像中的活虫体基本识别出来，从而为检验药效提供有力的证据，同时大大减少了检测人员的工作量，避免了通过现有人工计数导致的效率低、工作量大且易出错的问题。

综上所述，本发明视觉显著性与sift特征的棘球绦虫原头蚴存活率检测方法对待检测的原头蚴图像进行识别，活原头蚴基本上落在被标记的图像区域内；基于视觉显著性与sift特征的识别方法是对图像局部进行计算，仅考虑由显著图得到的疑似原头蚴区域，从sift特征提取节省了大量时间，在样本图像的sift特征向量的获得上，本发明采用k-means算法对其进行聚类改变了sift特征向量存在高维的特征描述，解决了计算过于复杂，耗时过长等问题，提高了使用sift特征进行目标搜索的计算效率，显著区域内的sift特征更加稳定，改变了由人工计数造成的人为误差，人工计数时间较长，造成的工作效率低、工作量大的问题，同时也保证了识别的正确率。

以上技术特征构成了本发明的实施例，其具有较强的适应性和实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。