[发明专利]一种基于多光子共焦显微细胞图像的超像素重构分割与重建方法

说明书

本发明涉及一种基于多光子共焦显微细胞图像的超像素重构分割与重建方法，首先选择若干张待处理的多光子共焦显微细胞图片并将其从RGB格式转化到CIELAB颜色空间；确定每张图片中超像素的个数，确定每一个超像素的中心像素点的位置；对每个像素进行聚类，计算每一个像素到最近几个超像素的中心像素的距离D，确定每个像素属于哪一个超像素；对每一个超像素进行标记，对每一个超像素包含的像素进行标记，确定每一个超像素的边界，将每个超像素的边界均映射回原图像，得到初分割图像并对其进行后期处理,得到多光子共焦显微细胞图像的分割图像；最后对分割图像进行三维重建。本发明能够实现对细胞不同时期的成长状态进行观测。

技术领域

本发明涉及图像处理和生物医学的交叉领域，特别是一种基于多光子共焦显微细胞图像的超像素重构分割与重建方法。

背景技术

多光子激光扫描显微镜采用多光子激发，这是一个非线性过程，具有准确的定位特征，也就是只有在焦点处的光子才能激发荧光分子，光漂白和光损伤仅局限于焦点附近，且有利于减少测试样品的自发荧光，这样可以对活细胞进行更长时间的观察。多光子激光扫描显微镜采用波长较长的红外激光,能量脉冲式激发,红外光比可见光在生物组织中的穿透力更强,因此多光子激光扫描显微镜更能解决生物组织中深层物质的层析成像问题,扩大了应用范围。其在生物及医学成像，单分子探测，三维信息存储，微加工等领域得到广泛应用，展示了广阔的发展前景。

图像分割技术是一直受到人们重视的关键技术，至今已提出上千种算法，但是尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用的分割算法。在计算机视觉领域，图像分割指的是将数字图像细分为多个图像子区域(像素的集合)的过程。最近几年又出现了许多新思路，新方法或改进算法，这些经典算法和新出现的算法都各有优缺点。有的算法对图像的边界不敏感，无法准确分割出图像；也有很多算法对噪声很敏感，容易造成过分割现象；多数算法对光照不均图像的分割效果并不好。超像素是由一系列位置相邻且颜色、亮度、纹理等特征相似的像素点组成的小区域。这些小区域大多保留了进一步进行图像分割的有效信息，且一般不会破坏图像中物体的边界信息。根据图像中细胞的大小来调整参数，小区域可以很好地将边界分割出来，并且有噪声对其的影响不大，计算速度快等优点。

医学成像的临床应用，使得医学诊断和治疗技术取得了很大的发展，但是传统的二维图像只是表达某一截面的解剖信息。为提高医疗诊断和治疗规划的准确性与科学性，由二维图像转变为具有直观立体效果的图像，展现人体器官的三维结构与形态。在细胞图像处理过程中,细胞的显微图像在临床诊断中有着重要意义。细胞图像的自动分析技术为临床医学的研究提供了强有力的工具，但是在细胞的显微图像中经常出现细胞重叠和粘连现象，这种由多个细胞聚堆而成的细胞群通常会严重影响后续的统计分析,所以通过重建三维立体的细胞图像具有很重要的现实意义。

发明内容

有鉴于此，本发明的目的是提出一种基于多光子共焦显微细胞图像的超像素重构分割与重建方法，将超像素的重构图像分割方法用于双光子共焦显微图像中,得到一系列二维分割图像,最后将二维图像重建为三维图像,该方法有利于实现对细胞不同时期的成长状态进行观测。

本发明采用以下方案实现：一种基于多光子共焦显微细胞图像的超像素重构分割与重建方法，其特征在于包括以下步骤：

步骤S1：选择若干张待处理的多光子共焦显微细胞图片，并将所述待处理的多光子共焦显微细胞图片从RGB格式转化到CIELAB颜色空间；

步骤S2：确定每张图片中的超像素的个数K，进一步确定每一个超像素的中心像素点g_c的位置；

步骤S3：对每个像素进行聚类，计算每一个像素到最近几个超像素的中心像素的距离D，当D最小时，这个超像素就包含了这个像素；

步骤S4：对无法正确判断其属于哪个超像素的像素进行处理，使该像素属于离其最接近的超像素；