[发明专利]基于多尺度条件概率模型的猪瘟病毒电镜图像检测方法

说明书

本发明公开了基于多尺度条件概率模型的猪瘟病毒电镜图像检测方法，采集原始猪瘟病毒电镜图片进行预处理；对预处理的图片进行网格化处理；对网格化得到的图像，进行最大池化，然后提取每个图像的灰度共生梯度矩阵和方向梯度直方图特征合成一个向量生成灰度共生梯度特征；将图像的灰度共生梯度特征利用分类器进行分类，得到灰度共生梯度特征的一元势函数；将图像的灰度共生梯度特征相邻的八个图像的灰度共生梯度特征利用分类器进行分类，得到相邻的八个灰度共生梯度特征的二元势函数；将一元势函数和二元势函数结合作为多尺度条件概率模型的势能团，通过多尺度条件概率模型计算图像级分类结果的联合概率。提高了准确率，降低了兽医的负担。

技术领域

本发明属于猪瘟病毒电镜图像检测技术领域，涉及基于多尺度条件概率模型的猪瘟病毒电镜图像检测方法。

背景技术

现有技术使用传统的人工诊断对猪瘟病毒电镜图像进行检测，通过猪肉的电镜图像判断该猪是否患有猪瘟等疾病，可能使用的方法有：(1)利用荧光定量PCR技术(PCR)进行检测，并且人工对不同基因进行拷贝数的定量分析。(2)酶联免疫吸附技术(ELISA)通过目测或用酶标比色计测定(OPD用492nm)OD值。

现有方法是传统的人工诊断，这会受到各种因素的影响导致结果的准确率大大降低，例如检疫专家的主观意念和自身的精神状态都会对判断结果造成影响，且培养出一位在病理学图像方面的专业兽医往往需要花费很长的时间，这使得个体兽医负担加重。

发明内容

本发明的目的在于：提供了基于多尺度条件概率模型的猪瘟病毒电镜图像检测方法，解决了背景技术中存在的问题，加强了猪瘟病毒电镜图像方法分类的精度与智能程度，形成了一套全自动的图像检测与分类方法，降低了兽医的负担。

本发明采用的技术方案如下：

基于多尺度条件概率模型的猪瘟病毒电镜图像检测方法，包括以下步骤：

步骤1：采集原始猪瘟病毒电镜图片进行预处理；

步骤2：对预处理的图片进行网格化处理；

步骤3：对网格化得到的图像，进行最大池化，然后提取每个图像的灰度共生梯度矩阵和方向梯度直方图特征合成一个向量生成灰度共生梯度特征；

步骤4：将图像的灰度共生梯度特征利用分类器进行分类，得到灰度共生梯度特征的一元势函数；将图像的灰度共生梯度特征相邻的八个图像的灰度共生梯度特征利用分类器进行分类，得到相邻的八个灰度共生梯度特征的二元势函数；

步骤5：将一元势函数和二元势函数结合作为多尺度条件概率模型的势能团，通过多尺度条件概率模型计算图像级分类结果的联合概率。

进一步地，所述预处理包括去噪处理，所述去噪处理采用中值滤波。

进一步地，所述网格化处理包括以下步骤：

步骤2.1：求出图像的大小；

步骤2.2：根据所要分割的数目的图片进行行和列的除法操作；

步骤2.3：分割剩余部分丢弃；

步骤2.4：判定符合标准与否，返回相应值、创建可视化图。

进一步地，所述方向梯度直方图特征的提取包括以下步骤：

步骤3.1：将图像的色彩转为灰度，采用Gamma归一化；

步骤3.2：分别对图像中每个像素计算梯度的大小以及方向；

步骤3.3：将图像分割，最终成为小的单元胞Cell；

步骤3.4：直方图由每个单元格的梯度方向所构成，每个单元胞Cell的像素梯度方向直方图进行统计，并以像素大小为权重；