一种基于稀疏限制的白细胞细胞核分割方法与流程

本发明涉及图像处理技术领域，特别是一种基于稀疏限制的白细胞细胞核分割方法。

背景技术：

白细胞是人体血细胞的重要防御细胞，它们含有5种细胞，即嗜中性粒细胞，嗜碱性粒细胞，嗜酸性粒细胞，单核细胞和淋巴细胞。白细胞分割是各种医学诊断应用的变化任务。例如，在明视野显微镜下收集的血涂片中的白细胞的视觉检查可以诊断各种疾病，例如脓毒性细菌炎症，尿毒症等。

近年来已经提出了白细胞分割方法的数量。它们可以分为两类：无监督和监督的白细胞分割方法。监督白细胞分割方法将白细胞分割问题表述为多分类问题。它们通常以两步方式求解，即首先提取图像特征，然后对提取的特征进行分类。然而，监督方法需要大量训练样本，这些训练样本通常是手动标记的生物图像并且通常难以获得。此外，训练样本与测试样本不能有显着差异。否则，监督算法不能很好地工作。因此，监督算法的泛化能力不高。注意，无监督的白细胞方法(例如，阈值处理，k-均值(k-means)，模糊c-均值(fcm)和均值平移，不需要手动标记图像特征。但是，白细胞和红细胞经常粘在一起，因为它们在生物图像中具有相似的颜色。无监督的方法通常需要调整参数以防止拟合或过度拟合。

技术实现要素：

有鉴于此，本发明的目的是提出一种基于稀疏限制的白细胞细胞核分割方法，能够有效提高白细胞细胞核分割方法的计算效率，并同时提高其分割准确率。

本发明采用以下方案实现：一种基于稀疏限制的白细胞细胞核分割方法，包括以下步骤：

准备包括白细胞图像在内的数据集；

通过组合颜色空间和颜色通道构建稀疏图像表示，获得组合图像；

用稀疏约束进行细胞核的分割。

进一步地，稀疏图像表示可以强调核心信息(即背景，红细胞，细胞质)。所述通过组合颜色空间和颜色通道构建稀疏图像表示具体为：

使用信息颜色空间(h，s，l)和颜色通道(r，g，b)构建新的稀疏图像表示，获得的组合图像的稀疏图像表示为：

式中，ic表示构建的稀疏图像表示，s表示饱和度，g代表通道g，b代表通道b。

进一步地，所述用稀疏约束进行细胞核的分割具体包括以下步骤：

步骤s1：将获得的组合图像转换为直方图；

步骤s2：在直方图上获得前两个峰值t1与t2，取两个峰值之中的最小值作为分割阈值t，即：

t＝min[t1,t2]；

步骤s3：执行自动阈值分割，得到细胞核；

步骤s4：在图像上进行膨胀填补已分割细胞核中间细小的空洞；

步骤s5：对膨胀后的图像进行腐蚀以获得更准确的细胞核图像。

进一步地，步骤s3具体为，采用下式进行自动阈值分割：

式中，cn(i,j)表示像素，i(i,j)表示组合字符的像素，t表示分割阈值。

与现有技术相比，本发明有以下有益效果：本发明通过组合颜色空间和颜色通道构建稀疏图像表示，能突出细胞核特征的有效信息，能够有效提高白细胞细胞核分割方法的计算效率，并同时提高其分割准确率。

附图说明

图1为本发明实施例的方法流程示意图。

图2为本发明实施例在数据集1上实现细胞核分割的效果图。

图3为本发明实施例在数据集2上实现细胞核分割的效果图。

图2与图3中，(a)为原图组，(b)为对应(a)的本实施例方法分割结果图组，(c)为对应(a)的标准结果图组。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

如图1所示，本实施例提供了一种基于稀疏限制的白细胞细胞核分割方法，包括以下步骤：

准备包括白细胞图像在内的数据集；

通过组合颜色空间和颜色通道构建稀疏图像表示，获得组合图像；

用稀疏约束进行细胞核的分割。

特别的，为了更好地评估算法的准确性和鲁棒性，本实施例评估在两个数据上的性能。数据1是中国江西特康科技公司提供的138个大小120×120的快速染色的单白细胞图像。数据2由福建省第三人民医院提供的28个标准染色单白细胞图像的，其大小为大小250×250的。

在本实施例中，稀疏图像表示可以强调核心信息(即背景，红细胞，细胞质)。所述通过组合颜色空间和颜色通道构建稀疏图像表示具体为：

使用信息颜色空间(h，s，l)和颜色通道(r，g，b)构建新的稀疏图像表示，获得的组合图像的稀疏图像表示为：

式中，ic表示构建的稀疏图像表示，s表示饱和度，g代表通道g，b代表通道b。

在本实施例中，所述用稀疏约束进行细胞核的分割具体包括以下步骤：

步骤s1：将获得的组合图像转换为直方图；

步骤s2：在直方图上获得前两个峰值t1与t2，取两个峰值之中的最小值作为分割阈值t，即：

t＝min[t1,t2]；

步骤s3：执行自动阈值分割，得到细胞核；

步骤s4：在图像上进行膨胀填补已分割细胞核中间细小的空洞；

步骤s5：对膨胀后的图像进行腐蚀以获得更准确的细胞核图像。

在本实施例中，步骤s3具体为，采用下式进行自动阈值分割：

式中，cn(i,j)表示像素，i(i,j)表示组合字符的像素，t表示分割阈值。

表1为本实施例与svm分割算法、分水岭分割算法(ws)、组合图像分割算法(cis)以及直方图阈值分割(aht)在数据1(快速染色)与数据2(标准染色)上分割细胞核的自适应误分类误差(me)、误报率(fpr)、假阴性率(fnr)和kappa指数(ki)的平均值对比。从表中，可以看到本发明显著提升了检测准确率，在六种方法中取得最好的效果。同时，如图2与图3所示，可以看出，本实施例的方法所分割得到的细胞核图像与标准结果基本一致，具有较高的准确性。

表1

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。