[发明专利]一种基于改进模糊识别的白带中红细胞自动检测方法

说明书

技术领域

本发明属于图像处理技术领域，具体指的是一种基于改进模糊识别算法的白带红细胞自动检测方法。

背景技术

妇女生殖系统炎症是妇科的常见病、多发病，直接影响女性的身心健康。阴道分泌物为女性生殖系统不同部位的不同物质成分，如巴多林氏腺、子宫颈腺体、子宫内膜的分泌物和阴道粘膜的渗出液、脱落的阴道上皮细胞等组成的混合物，俗称“白带”，具有湿润阴道、排泄废物、杀灭细菌的作用。白带检查是妇科最简单最常用的一种检查手段，对阴道清洁度、生殖系统炎症、肿瘤及其诊断治疗具有重要意义。白带中若出现红细胞，则可能存在炎症刺激阴道壁或者宫颈壁的毛细血管出现出血症状。白带红细胞检测可以作为人机体是否存在疾病的先行判决条件，而且可以给医生进一步检测提供方向和线索，具有极大的研究价值。

发明内容

本发明提出了一种对白带显微图像中的红细胞进行自动检测的方法；所述方法能高效且精准的检测出白带样本中的红细胞，大大减少医生阅片的劳动强度，提高诊断精度。

本发明采取的技术方案是一种基于改进模糊识别算法的检测方法，包括训练步骤和实际检测步骤，训练步骤如下：

步骤A，在现有的白带显微图像中人工提取多个训练用标准红细胞和偏转红细胞小图样；

步骤B，提取训练用的细胞图像的圆形度、连通区域个数等特征；

步骤C，将这训练用的红细胞图样进行模糊C均值聚类，分别获得标准红细胞和偏移红细胞的隶属中心及每个图样分别对每类的隶属度值；

步骤D，构建标准红细胞和偏移红细胞的两个神经网络来拟合两类细胞的隶属度函数，将训练用的两类红细胞分别输入对应的两个神经网络进行训练；红细胞的特征值作为输入，该红细胞样本对当前群集的隶属度值作为理想输出；训练结束获得两个判断红细胞样本对当前群集的隶属度值的神经网络；

检测步骤如下：

步骤A，采集多张不同焦距的白带显微图像数据；

步骤B，对步骤A得到的显微图像数据进行形态学低帽运算，并采用阈值分割得到二值化图像；

步骤C，将步骤B中的二值化图像进行连通区域标定；

步骤D，计算步骤C中的连通区域的面积，根据连通区域面积大小判定可能的红细胞区域；

步骤E，将判定完毕的可能为红细胞的连通区域进行提取，抽取具体细胞小图样；

步骤F，提取细胞图样的特征，将其分别输入两个神经网络，得到两个隶属度值；

步骤H，比较两个隶属度值大小，提取较大值；较大值对应的群集为该细胞所属群集；但若较大值比较小，则认为此图样为杂质；

步骤I，若检测的细胞图样属于偏移红细胞群集，则继续步骤J，若属于标准红细胞或杂质，则跳转至步骤M；

步骤J，记录此细胞图样坐标，截取其余不同焦距的图像的同一位置；

步骤K，分别检测其余不同焦距图像中提取出的细胞图样，计算其灰度平均值和中心区域灰度平均值的比例，若比例较大，则认定原细胞图样为杂质，跳转至步骤M；否则继续步骤L；

步骤L，将其余不同焦距图像中提取出的细胞图样二值化并取反，计算其面积和填充后的面积比例，若比例较大，则认定原细胞图样为杂质；

步骤M，依据上述检测结果对细胞图样所属类别进行记录；

重复步骤E到步骤M，直至判断处理完成显微图像中所有的细胞小图样。

进一步的所述检测步骤中的步骤D中将面积在200到3000之间的连通区域视为红细胞区域。

进一步的所述检测步骤中的步骤H中两个隶属度值中较大值仍小于0.5，则认为此图样为杂质。

进一步的所述检测步骤中的步骤K中灰度平均值和中心区域灰度平均值的比例大于0.7则认定原细胞图样为杂质。

进一步的所述检测步骤中的步骤L中细胞图样面积和填充后的面积比例大于0.8则认定原细胞图样为杂质。

本发明的有益效果是：本发明基于白带中红细胞在显微镜下图像的形态特征使用形态学低帽运算对其进行分割，并提出了一种改进的模糊识别算法。该方法效果良好，且检测效果清晰，误检率极低。

附图说明

图1是本发明白带红细胞自动检测算法的总体流程图。

图2是形态学低帽运算分割的流程图。

图3是模糊识别算法流程图。

具体实施方式

下面结合附图，对本发明提出的白带红细胞自动检测方法进行详细说明：

如图1所示，本发明的白带中红细胞的自动检测方法，其步骤如下：

步骤1，输入待检测图像