[发明专利]一种基于聚类超像素分割的病理图像特征提取方法

权利要求书

1.一种基于聚类超像素分割的病理图像特征提取方法，其特征在于：依次包括以下步骤：

(1)初始化种子点，具体过程为：

(1-1)确定预分割为K个相同尺寸的超像素；

(1-2)假设图像有N个像素点，预分割为K个相同尺寸的超像素，那么每个超像素的大小为N/K，求出每个种子点的距离；

(1-3)对原图中非边缘的每点求出像素差；

(2)相似度衡量；

(2-1)以种子点为中心，在预分割每块的区域大小中，求出该区域所有像素点距离最近的种子点的欧几里得距离；

(2-2)求像素点与种子点的相似程度距离；

(2-3)确定每个像素点的所属种子点的标签；

(2-4)求出误差，当误差高于一定值时反复迭代，直到误差低于设定值时跳出迭代；

(2-5)增强连通性：对于分割的每一块区域计算其像素点个数，如果低于一定值，则给该块区域赋值为相邻的标签；

(3)提取分割图像的特征：

(3-1)提取分割部分图像的形状特征；

(3-2)提取分割部分图像的直方图信息：

(3-3)提取分割部分图像的纹理特征。

2.根据权利要求1所述的基于线性迭代聚类超像素分割病理图像的特征提取方法，其特征在于，所述步骤(1-2)中，每个种子点的距离近似为

$\sup erpixel\_step=\sqrt{\frac{N}{K}}$

width_strips＝image_width/superpixel_step

width_err＝image_height-superpixel_step*width_strips

height_strips＝image_height/superpixel_step

height_err＝image_height-superpixel_step*height_strips

其中，N为图像的总共像素点，K为确定的预分割的超像素集合个数，superpixel_step为每个种子点的距离；width_strips为图像的宽可以容纳的种子的个数，height_strips为图像的高可以容纳的种子的个数；

image_width是图像的宽，image_height是图像的高，width_err为图像的宽容纳种子个数后多余的空间，height_err为图像的高容纳种子个数后多余的空间。

3.根据权利要求1所述的基于线性迭代聚类超像素分割病理图像的特征提取方法，其特征在于：所述步骤(1-3)中，对原图中非边缘的每点求出像素差具体过程为：

mat_edge(pixel_i,pixel_j)＝pixel_dx+pixel_dy

pixel_dx＝(mat_image(pixel_i-1,pixel_j)-mat_image(pixel_i+1,pixel_j))^2

pixel_dy＝(mat_image(piexl_i,pixel_j-1)-mat_image(pixel_i,pixel_j+1))^2

mat_image为原图的像素矩阵，piexl_i是横坐标，pixel_j为纵坐标；

将种子点移动每个预分割区域的中心位置，并向中心位置的周围8个方向寻找到像素点差最小的位置，将该种子点移动该位置，同时为每个种子分配一个单独的标签。