[发明专利]一种基于多相互斥水平集的黏连细胞图像分割方法

说明书

本发明公开了一种基于多相互斥水平集的黏连细胞图像分割方法。通过对显微细胞图中的类圆细胞进行Hough变换圆检测，获取所有细胞的圆心，以每个细胞的圆心自动设置一个小圆作为初始曲线，通过图像梯度信息的引导，采用多水平集函数同时演化的方式，在互斥能量的作用下对黏连细胞区域进行独立演化，且能保证不同封闭曲线间的互斥，从而达到分割黏连细胞图像的效果，解决传统分割方法难以分割黏连拥挤的细胞群区域的问题。本发明具有处理步骤少，所分割的细胞轮廓线自然，可用于类圆细胞图的分割和计数，测量精度高，适应能力强的优点。

技术领域

本发明属于医学图像处理技术领域，更具体地说，涉及一种基于多相互斥水平集的黏连细胞图像分割方法。

背景技术

在计算机辅助分析乳腺组织切片的显微图像方法中，精确分割是重要的环节，它涉及细胞计数和细胞形态分析的准确性。调查发现借助于自动检测设备进行乳腺组织切片显微图像的病理分析，如果细胞之间拥挤或黏连，一般的图像分割技术常常会将两个黏连的细胞分割到一个细胞区域中，从而导致检测区域中细胞的计数产生误差，因此，针对黏连细胞群，彼此独立分割呈现，成为细胞显微图像分析的技术难点。

目前，常见的显微细胞图像分割技术主要是利用细胞图像特有的边缘、区域、颜色等特征信息对细胞图像进行分割。基于边缘的分割方法，如Laplacian、Canny算子等，但是其分割结果易受到噪声和纹理的影响，且分割的细胞边界常存在不连续性。基于区域信息的分水岭算法是细胞分割邻域运用最为普遍的方法之一，学者们通过在分割目标的内部设置标记点，而后基于这些标记点进行分水岭分割，从而能较好的抑制噪声及复杂背景的干扰，且能获得封闭的细胞边界，然而此类方法对黏连细胞的分割效果仍不理想，且细胞轮廓外形不自然。

当前基于水平集理论的图像分割算法往往能获得较为自然的轮廓，其将可变形曲线作为零水平集嵌入到高一维度的水平集函数中，通过图像统计信息的引导，使得零水平集不断向物体轮廓演化，以达到分割物体的目的。其中经典的Chan-Vese(CV)模型是一种基于区域信息的模型，其能够自动进行拓扑结构的变化，分割出图像的内部轮廓，但是其无法处理强度分布不均匀的图像，且容易受到细胞复杂背景环境的干扰。李春明等提出了基于距离正则化的水平集演化(Distance Regularized Level Set Evolution，DRLSE)模型，其利用改进的惩罚项和图像的梯度信息引导曲线演化，并且利用从分割目标的内部向外演化的方式，极大的减少了背景的干扰，取得了较好的分割效果，但该模型依旧存在将两个同质黏连的细胞区域演化成同一区域的现象。

经检索，关于黏连细胞分割方法的技术方案已有公开，但多存在处理步骤多，方法繁琐的不足，且不能有效地解决细胞间拥挤和黏连的问题。如中国专利申请号201510253573.X，申请日为2015年5月18日，发明创造名称为：基于多尺度生长与双策略去粘连模型的乳腺细胞分割方法；该申请案先将乳腺组织图像转换为灰度图像；然后增强对比度；接着利用小波分解进行细胞定位；然后进行多尺度区域生长；接着通过投票选择实现细胞区域的初步分割；然后判断分割出的区域是否存在细胞粘连；如果不存在细胞粘连，则为单个细胞区域，输出分割结果；如果存在细胞粘连，则为粘连细胞区域，进行粘连细胞分割；然后利用形态学腐蚀-膨胀运算和角点检测分割算法构建的双策略去粘连模型进行粘连细胞分割，直至所有细胞分割结束。该申请案能够抑制乳腺组织切片图像的复杂背景对乳腺细胞分割的影响，在一定程度上提高对粘连细胞分割线的识别精度，达到提高粘连细胞分割精度的目的。但该申请案中如果结构元半径过小，则不能将粘连区域分割开；反之，则会导致区域失真。此外，该申请案提到的角点检测存在易受噪声干扰导致黏连区域判断失败等问题，且其处理步骤甚多。所以，仍需一种适应性强、处理步骤简便的黏连细胞分割方法。

发明内容

1.发明要解决的技术问题