[发明专利]一种基于图像处理技术的显微图像炭疽孢子密度计算方法

权利要求书

1.一种基于图像处理技术的显微图像炭疽孢子密度计算方法，包括以下步骤：

步骤1，对一幅炭疽孢子图像进行标注，然后采用Expectation-maximization算法对炭疽孢子的灰度分布构建混合高斯模型；

步骤2，采用基于高斯分离度的自适应Otsu方法分割炭疽孢子图像；

步骤3，对分割后的图像采用滤波处理，包括形态学开滤波、闭滤波、形状滤波和面积滤波；

步骤4，对滤波的结果图像提取边缘轮廓；

步骤5，计算炭疽孢子原图像中各个像素灰度值隶属于步骤1中得到的混合高斯模型的概率，作为相似度GS(t)，t为灰度级；

步骤6，根据步骤5得到的相似度GS(t)，计算基于符号对数相似度的边缘停止函数g_SLGS，其计算过程如下：

步骤6.1，采用公式(3)将相似度GS(t)变换到对数空间并得到基于对数相似度的边缘停止函数g_LGS；

g_LGS(I(x,y))＝1/(1+logGS(I(x,y))) (3)

其中，I(x,y)为图像中(x,y)处的灰度级别，log为取对数运算；

步骤6.2，将g_LGS变换到[-a，+a]空间，得到基于符号对数相似度的边缘停止函数g_SLGS，如公式(4)所示：

g_SLGS(I(x,y))＝-1+2a*(g_LGS(I(x,y))-g_{LGS_Min})/(g_{LGS_Max}-g_{LGS_Min}) (4)

其中a为一正整数，g_{LGS_Max}和g_{LGS_Min}分别为g_LGS的最大值和最小值；

步骤7，将步骤6中得到的基于符号对数相似度的边缘停止函数g_SLGS代入公式(5)所示的水平集演化方法，演化步骤4中得到的目标轮廓，从而获得精确的炭疽孢子轮廓；

其中div表示散度算子，表示梯度算子，d_p为距离约束函数，φ为轮廓的水平集函数，δ(φ)为狄利克雷函数，μ、λ和α为正常数；

步骤8，对步骤7的结果进行连通域统计，得到连通域的总面积和连通域的个数，从而得到炭疽孢子的面积以及炭疽孢子的个数。

2.根据权利要求1所述的基于图像处理技术的显微图像炭疽孢子密度计算方法，其特征在于：其中步骤2具体包括以下步骤：

步骤2.1，根据目标亮度、背景亮度及各自复杂性确定阈值t_otsu偏移方向；

步骤2.2，计算得到图像灰度空间的最小值t_min和最大值t_max，从而确定图像的灰度空间[t_min，t_max]；

步骤2.3，在灰度空间[t_min，t_max]内，根据最大类间方差法得到阈值t_otsu；

步骤2.4，以t_otsu为阈值，将图像像素分为目标类和背景类，并计算目标类和背景类的高斯分离度，高斯分离度的计算如公式(1)所示；

其中μ₀和μ₁分别为阈值分离后得到的背景和目标的均值，δ₀和δ₁分别为采用阈值分离后得到的背景和目标的方差；

步骤2.5，如果分离度大于或等于设定的负常数k，t_otsu是理想阈值，采用t_otsu进行图像分割，否则根据步骤2.1中得到的阈值t_otsu偏移方向，调整灰度空间：如果t_otsu偏大，则调整灰度空间为[t_min，t_otsu]，如果t_otsu偏小，则调整灰度空间为[t_otsu，t_max]；

步骤2.6，在新的灰度空间根据最大类间方差法得到阈值t_cotsu；

步骤2.7，计算采用t_cotsu作为阈值得到的目标类和背景类的高斯分离度；

步骤2.8，如果分离度大于或等于设定的负常数k，采用t_cotsu进行图像分割，否则根据步骤2.1得到的阈值t_otsu偏移方向，继续调整灰度空间：如果t_otsu偏大，则调整灰度空间为[t_min，t_cotsu]，如果t_otsu偏小，则调整灰度空间为[t_cotsu，t_max]，；

步骤2.9在新的灰度的空间内采用最大类间方差法计算得到阈值t_ccotsu；

步骤2.10，以t_ccotsu为阈值，分割图像。