[发明专利]一种融合图像分割与分类的细胞图像语义分割方法

权利要求书

1.一种融合图像分割与分类的细胞图像语义分割方法，其特征在于，包括如下步骤：

步骤一：构建细胞图像数据集，将细胞的相差显微镜数据按照细胞的类别分成七大类；

步骤二：对图像数据进行预处理；图像数据预处理包括背景光照均一化以及灰度值均一化；背景光照均一化的操作步骤为：

S1：统计细胞图像数据库中单个细胞在图像中的平均大小；

S2：将细胞图像转为灰度图,并使用尺寸大于细胞大小的高斯卷积核与细胞图像进行卷积,得到细胞图像的背景光照亮度图像；

S3：将细胞灰度图像减去背景光照强度,并逐像素加上背景光照均值,得到背景光照均一化之后的细胞图像，并将处理后灰度值小于0的像素的灰度值置为零,大于255的置为255

步骤三：构建双线性细粒度分类神经网络,将步骤二中预处理后的图像输入双线性细粒度分类神经网络,双线性细粒度分类神经网络输出为图像中细胞的类别；

步骤四：训练步骤三中的双线性细粒度分类神经网络使用梯度下降算法优化总体损失值,直到算法收敛且损失值不再下降后，保存网络参数,得到细胞分类模型；

步骤五：将步骤二中预处理后的图像转化为细胞分割图；

步骤六：使用步骤四中的细胞分类模型对步骤五中的细胞分割图每个前景连通区域进行采样预测，将预测结果赋给该连通区域从而得到逐区域的分类结果，结合分割得到的背景区域，最终得到细胞测试图像的语义分割结果。

2.根据权利要求1所述的一种融合图像分割与分类的细胞图像语义分割方法，其特征在于，灰度值均一化的步骤为：

S1:计算均一化处理后的细胞图像灰度值的均值和方差；

S2：计算灰度归一化之后的像素的灰度值，公式如下：

其中,I_in、I_out分别为输入、输出图像像素点的灰度值，Mean_in、STD_in为输入图像灰度均值及标准差，Mean_out、STD_out为预设的输出图像灰度值均值及标准差。

3.根据权利要求2所述的一种融合图像分割与分类的细胞图像语义分割方法，其特征在于，输入双线性细粒度分类神经网络的图像数据切割为小图像块，切割过程中，使用矩形框去图像数据上截取小图像块，设定矩形框的截取步长，矩形框以预设的步长在细胞图像上滑动进行小图像的截取,将窗口内的图像作为新的细胞图像数据并将其类别标记为原始细胞图像所对应的类别。

4.根据权利要求3所述的一种融合图像分割与分类的细胞图像语义分割方法，其特征在于，双线性细粒度分类神经网络输出细胞分裂模型的步骤为：

S1：小图像块输入神经网络，经过卷积层提取特征并产生特征图；

S2：对特征图进行卷积操作，产生特征向量；

S3：将特征向量与全连接网络相连接，并通过回归层产生细胞图像属于每个类别的概率值。

5.根据权利要求1所述的一种融合图像分割与分类的细胞图像语义分割方法，其特征在于，所述步骤五中，将步骤二中预处理后的图像通过OSTU算法进行边缘检测得到细胞的边缘，再通过使用形态学的填充算法得到最终的细胞分割图。

6.根据权利要求5所述的一种融合图像分割与分类的细胞图像语义分割方法，其特征在于，图像中像素灰度值不在[50,150]内则被判断为边缘。