[发明专利]基于近邻传播聚类的医用药剂中可见异物检测方法

权利要求书

1.一种基于近邻传播聚类的医用药剂中可见异物检测方法，其特征在于，包括以下步骤： 

步骤1：获取连续帧药液图像； 

步骤2：利用改进双边滤波器对药液图像进行处理得到背景图像； 

步骤3：对背景差分图像进行空间中值滤波消除噪声； 

步骤4：分割提取背景差分图像中连通域目标及其特征； 

步骤5：应用改进的近邻传播聚类算法对提取到的目标进行分类； 

步骤6：根据分类结果判断异物是否存在，排除其他干扰。 

2.根据权利要求1所述的基于近邻传播聚类的医用药剂中可见异物检测方法，其特征在于， 

所述步骤2为： 

利用双边滤波器的保边去噪性，对获取到的药液序列图像进行以下滤波处理： 

其中，F_k(x，y)为原始药液图像中第k帧图像，B_k(i，j)为双边滤波后的输出图像，H_k(i，j；x，y)为非线性滤波函数，该函数是由几何空间距离和灰度差值共同决定。 

其中，A_ij＝{(x，y)∶(x，y)∈(i-N，i+N)×(j-N，j+N)}为滤波窗口中的像素集合，(i，j)为滤波窗口的中心，σ_d和σ_r分别是空间域和灰度值域的标准方差，w_ij是归一化加权因子， 是以第k帧图像为中心的连续2m+1帧图像在像素(x，y)处的标准方差，D为标准方差阈值。 

双边滤波器不仅考虑了空间距离上与中心像素相近的像素点的值，而且还考虑了灰度值 与中心像素相差不大的像素点的值。其中σ_d和σ_r的大小影响着图像滤波的效果，它们的值越大，滤波程度越明显，图像就越模糊。为了得到药液背景图像，在进行双边滤波的时候可以设置不同的σ_d和σ_r，即在背景区域使用较小的σ_d和σ_r，而在可能出现杂质目标的图像区域使用相对较大的σ_d和σ_r。 

3.根据权利要求1所述的基于近邻传播聚类的医用药剂中可见异物检测方法，其特征在于， 

所述步骤3为： 

首先用将步骤2中得到的背景图像B_k(x，y)与原始图像F_k(x，y)进行绝对值差分，得到包含有异物杂质和噪声的图像G_k(x，y)。 

G_k(x，y)＝|F_k(x，y)-B_k(x，y)| 

在传统中值滤波的基础上，考虑中心像素点在相邻帧图像中的信息，即 

g_k(x，y)＝med{G_k-1(x，y)，G_k(x-i，y-j)，G_k+1(x，y)}，(i，j)∈W 。

4.根据权利要求1所述的基于近邻传播聚类的医用药剂中可见异物检测方法，其特征在于， 

所述步骤4为： 

对中值滤波后的差分图像进行阈值化处理，采用迭代阈值法： 

第一步：分别计算差分图像G_k(x，y)(大小为H×W)的样本均值E和标准差S； 

第二步：我们选取初始阈值T＝E+λS，λ是一个常数。 

第三步：用T阈值对图像G_k(x，y)进行处理，计算新的图像I_k(x，y)； 

第四步：对新图像重复第一、二、三步的计算，直到新的阈值与上一次的阈值相等或者相差非常小为止。此时得到的阈值T^*为自适应处理得到的阈值。 

图像进行阈值化处理后，要进行连通域提取。图像中部分连通域内部会存在细小的“孔洞”，有的连通域之间甚至会出现粘连现象，这时需要运用数学形态学中的膨胀和腐蚀操作来消除孔洞及粘连。得到完整的连通域之后，进一步提取连通域目标的特征信息，包括中心位 置及面积大小。