[发明专利]组织切片显微图像中的细胞核自动分割及分类识别方法

权利要求书

1.一种组织切片显微图像中的细胞核自动分割方法，其特征在于包括以下步骤：

S11：利用顶帽-底帽变换对输入的组织切片显微图像进行图像增强处理；

S12：分别利用小波变换和均值漂移算法标记细胞所在区域；

S13：利用投票机制选择圆形度满足预设要求的细胞区域；

S14：根据细胞面积阈值实现粘连细胞的判断，如果区域内不存在粘连细胞，则作为单个细胞直接得到分割结果；如果区域内存在细胞粘连，则进入S15；

S15：通过形态学方法对粘连细胞区域进行细分隔；

S16：返回步骤S14循环判断，直至所选区域粘连细胞全部分开。

2.根据权利要求1所述的组织切片显微图像中的细胞核自动分割方法，其特征在于：

当单个细胞区域提取出来后，通过计算单个细胞的平均面积作为细胞面积阈值。

3.根据权利要求1或2所述的组织切片显微图像中的细胞核自动分割方法，其特征在于：步骤S14中将面积大于1.5倍细胞面积阈值的区域视为存在粘连细胞的区域。

4.根据权利要求3所述的组织切片显微图像中的细胞核自动分割方法，其特征在于,步骤S15中通过形态学方法对粘连细胞区域进行细分隔的具体步骤包括：

S151：设定初始腐蚀半径为2；

S152：对粘连区域进行形态学腐蚀；

S153：判断腐蚀后的区域个数是否大于1，如果大于1，则将这些区域重新膨胀作为分割结果；否则，进入S154；

S154：将结构元半径增加2，返回步骤S152重新进行腐蚀。

5.一种用于组织切片显微图像中的细胞核分类识别方法，其特征在于包括以下步骤：

S21：利用权利要求1-4任意一项所述的分割方法对组织切片显微图像中的细胞核进行自动分割；

S22：提取分割后细胞核区域的图像特征，包括形状特征、颜色特征和纹理特征；

S23：利用增强相差性特征选择算法对步骤S22中提取的图像特征进行筛选，得到最佳特征子集；

S24：将步骤S23所得的最佳特征子集输入SVM分类器中进行分类识别，得到最终分类结果。

6.根据权利要求5所述的组织切片显微图像中的细胞核分类识别方法，其特征在于，所述形状特征包括面积、周长、离心率和圆形度四个特征。

7.根据权利要求5所述的组织切片显微图像中的细胞核分类识别方法，其特征在于，所述颜色特征为不同颜色空间的灰度分量，共有24个分量，分别是直接灰度变换的灰度分量，顶帽底帽增强的灰度分量，小波分量以及RGB颜色空间、HSV颜色空间、HSI颜色空间、YIQ颜色空间、YCrCb颜色空间、XYZ颜色空间、Lab颜色空间的每个通道的灰度分量。

8.根据权利要求7所述的组织切片显微图像中的细胞核分类识别方法，其特征在于，每个灰度分量都统计了平均灰度、标准偏差、平滑度、三阶矩、一致性和熵这六个统计特征，从而构成144个颜色特征。

9.根据权利要求5所述的组织切片显微图像中的细胞核分类识别方法，其特征在于，所述纹理特征包括60个Gabor特征和12个MRF特征。