1.基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,该方法包括:
2.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,所述的步骤1中,进行直方图聚类并按照聚类个数将原始ubm图像的隶属度矩阵初始化,是根据原始ubm图像x的直方图信息,统计直方图中的波峰的个数c,将所有波峰对应的灰度值记为v={v1,v2,…,vc},则将v记为初始聚类中心,并将原始ubm图像的隶属度矩阵初始化为u′=zeros(n,c),n为原始ubm图像的像素总数。
3.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,所述的步骤2中,对原始ubm图像进行形态学闭合重建,是利用结构元素对ubm图像x进行mcr重建,公式为:
4.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,所述的步骤2中,获取重建ubm图像的统计信息包括灰度级{z1,z2,…,zi,…,zq},每个灰度级对应的像素个数{a1,a2,…,ai,…,aq},满足q为重建ubm图像灰度级数量,q远小于n。
5.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,所述的步骤3中,迭代求解目标函数用如下公式表示:
6.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,所述的步骤4中,隶属度划分矩阵包括填充和中值滤波两种运算,填充由下式获得:
7.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,所述的步骤4中,所采用的中值滤波记为:
8.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,所述的步骤5中,利用梯度边缘检测算子,对原始ubm图像分割结果的每个子区域的边界曲线进行二值化,计算如下:利用和边缘检测算子对ubm图像的分割结果进行卷积运算,通过计算每个像素梯度,若梯度g大于设定阈值,则认为该像素是一个边界点。
9.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法,其特征在于,所述的步骤5中,输出量化结果,使用matlab中regionprops函数查找每个区域的像素个数,输出多个分割区域的面积量化结果。