[发明专利]易于图像分割的线虫识别方法及系统

说明书

本发明公开了易于图像分割的线虫识别方法及系统，涉及生物图像处理技术领域，解决现有技术中无法简单、快速地从带有背景亮度不均以及黑色边框的线虫实验图像中识别出线虫。该线虫识别方法包括：读入线虫在微孔板上的实验图像；在线虫实验图像中通过滑动窗口的方式计算灰度共生矩阵和对比度特征值，并得到以每个像素点为中心的对比度特征值，并转化生成对比度特征影像；将对比度特征影像进行初步分割，依据对比度的差异，识别出前景物体；对上述分割出的前景物体进行过滤，识别出线虫；微孔板放置在机架上，且微孔板放置在数码显微镜下方，数码显微镜与计算机处理控制终端通讯连接；具有线虫识别简单，占用资源少的优点。

技术领域

本发明涉及生物图像处理技术领域，具体地说是易于图像分割的线虫识别方法及系统。

背景技术

而在生物图像处理技术领域中，秀丽隐杆线虫(Caenorhabditis elegans)简称线虫，是应用非常多的模式动物，它体积小，身长约1毫米，易于培养。普通的秀丽隐杆线虫在实验室中20℃的培养环境下，平均寿命约为二、三周，发育时间约为三天。1974年Brenner选择使用秀丽隐杆线虫作为模式生物来研究发育及神经科学的问题。许多使用线虫进行的高通量筛选工作中都用到了图像采集以及图像处理。在高通量筛选实验中产出的图像数据远远超出了人工检查分析的能力，使得科研人员要借助于图像处理工具。在生物实验中图像处理的目的就是利用先进的计算机科学技术、分析方法处理大规模的生物图像数据，为解决生物学问题提供帮助。

线虫和其它小型模式生物的培养过程中常用的一种培养设备是微孔板。用于线虫培养的微孔板中最常用的384孔板。通过微孔板对线虫进行培养并拍摄得到的实验图像，但此图像中存在图像背景的亮度不均以及黑色边框的问题，这使得对此类图像进行图像分割的时候很难得到好的分割结果。传统在线虫实验图像中识别线虫是通过对线虫实验图像进行灰度处理、平滑处理，再进行自适应阈值化处理和轮廓提取，以识别出线虫实验图像中的线虫；但是还存在如下问题：1、系统结构设计复杂，对线虫的识别较繁琐；2、确定自适应阈值时计算复杂，设定繁琐，占用大量计算机资源；因此，如何简单、快速地从带有背景亮度不均以及黑色边框的线虫实验图像中识别出线虫，是本领域技术人员迫切需要解决的问题。

发明内容

本发明的技术任务是针对以上不足，提供易于图像分割的线虫识别方法及系统，解决现有技术中无法简单、快速地从带有背景亮度不均以及黑色边框的线虫实验图像中识别出线虫的问题。

本发明的技术任务是按以下方式实现的，

易于图像分割的线虫识别方法，利用计算机进行图像采集以及图像处理并识别线虫；包括以下步骤：

(1)、读入线虫在微孔板上的实验图像；

(2)、在线虫实验图像中通过滑动窗口的方式计算灰度共生矩阵和对比度特征值，并得到以每个像素点为中心的对比度特征值，并转化生成对比度特征影像；

(3)、将对比度特征影像进行初步分割，依据对比度的差异，识别出前景物体；

(4)、对上述分割出的前景物体进行过滤，识别出线虫。

所述步骤(2)中，每一个窗口滑过所覆盖形成的子图像，计算子影像区域内的灰度共生矩阵和对比度特征值，将代表这个窗口的对比度特征值赋值给窗口的中心像素点；重复上述步骤，直到滑动窗口遍历整个图像，得到由每个窗口对比度特征值组成的一个对比度特征值矩阵，转化生成对比度特征影像。

所述步骤(3)中，对比度特征值影像中线虫位置的对比度特征值高于图像背景区域的对比度特征值，并分割识别出前景物体。

背景区域包括黑色边框、高亮度的背景区域以及低亮度的背景区域。

所述步骤(4)中，前景物体包括线虫、小型干扰物和微孔板，所述过滤识别方法包括以下步骤：