[发明专利]图像分类显示方法和装置、分析仪器和存储介质

说明书

本发明公开一种图像分类显示方法和装置、分析仪器和存储介质。该方法包括：计算待识别分割图像与目标成分集合中各目标成分类别之间的相似度；将最大相似度所属的成分类别作为待识别分割图像的初始成分类别；将待识别分割图像显示在初始成分类别的框选区域中；响应于待识别分割图像被选中，显示多个相似度中数值最高的前n个相似度和所属成分类别，以确定待识别分割图像的最终成分类别。采用本发明实施例中的技术方案，能够基于图像处理结果进一步判别成分类别，提高图像成分识别的准确率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像分类显示方法和装置、分析仪器和存储介质。

背景技术

随着图像处理技术在医疗领域的应用扩展，越来越多的医疗设备需要基于图像处理技术实现其功能。以尿沉渣分析仪为例，其工作原理为：由照相机将尿液样本拍摄成图像序列，然后利用图像处理技术实现对各图像中有形成分的分割和识别，在提高设备检测效率同时，也有助于减少医生的工作量。尿液中的有形成分较多，包括：红细胞、白细胞、结晶、精子、透明管型、病理管型等。且尿液中除有形成分以外，还存在各种各样的杂质成分。对于灰度像素差异和形态差异较小的成分图像而言，仅采用图像处理技术很难进行准确识别，如何基于图像处理结果进一步判别成分类别成为急需解决的问题。

发明内容

本发明实施例提供了一种图像分类显示方法和装置、分析仪器和存储介质，能够基于图像处理结果进一步判别成分类别，提高图像成分识别的准确率。

第一方面，本发明实施例提供一种图像分类显示方法，该方法包括：

计算待识别分割图像与目标成分集合中各目标成分类别之间的相似度；

将最大相似度所属的成分类别作为待识别分割图像的初始成分类别；

将待识别分割图像显示在初始成分类别的框选区域中；

响应于待识别分割图像被选中，显示多个相似度中数值最高的前n个相似度和所属成分类别，以确定待识别分割图像的最终成分类别，n为大于等于2的整数。

在第一方面的一种可能的实施方式中，在确定待识别分割图像的最终成分类别之后，该方法还包括：若待识别分割图像的最终成分类别与初始成分类别不一致，则将待识别分割图像显示在最终成分类别的框选区域中。

在第一方面的一种可能的实施方式中，在计算待识别分割图像与目标成分集合中各目标成分类别之间的相似度之后，该方法还包括：若待识别分割图像的相对于多个成分类别的相似度均低于预设阈值，则将待识别分割图像识别为未知图像；将待识别分割图像显示在未知图像的框选区域中。

在第一方面的一种可能的实施方式中，计算待识别分割图像与目标成分集合中各目标成分类别之间的相似度，包括：提取待识别分割图像中的有效连通区域的多个特征值，待识别分割图像包括一个有效连通区域；从多个特征值中选取相关性系数最小的m个特征值，m为大于等于2的整数；基于预设的神经网络对m个特征值进行处理，计算得到待识别分割图像与目标成分集合中各目标成分类别之间的相似度。

在第一方面的一种可能的实施方式中，在基于预设的神经网络对m个特征值进行处理之前，该方法还包括：从成分类别已知的多张分割图像中选取预定比例的分割图像作为训练集；根据训练集中各分割图像的有效连通区域的多个特征值和对应的成分类别对初始神经网络进行训练；对训练后的神经网络进行验证；若验证通过，则将训练后的神经网络作为预设的神经网络。

在第一方面的一种可能的实施方式中，对训练后的神经网络进行验证，包括；将成分类别已知的多张分割图像中除预定比例外的其他分割图像作为测试集；根据测试集中各分割图像的有效连通区域的多个特征值和对应的成分类别，对训练后的神经网络进行验证。

在第一方面的一种可能的实施方式中，特征值包括：形状类特征值、像素分布类特征值、基于灰度共生矩阵的纹理类特征值和基于灰度与梯度共生矩阵的纹理类特征值。