[发明专利]一种基于随机森林的荧光结核杆菌检测方法

说明书

本发明公开一种基于随机森林的荧光结核杆菌检测方法，所述方法包括以下步骤：分别运用高中低三种阈值，对荧光结核杆菌图像进行自适应阈值分割，滤除图像中的杂质，并对待检测细菌进行筛选与二值分割；对分割好的单个二值连通域进行特征提取，提取待检测细菌的多种几何特征与颜色特征，生成描述特征的向量；通过特征向量训练出能够对待检测细菌进行判断的随机森林；使用该随机森林进行预测，在原图中框出预测为结核杆菌的目标，用于荧光结核杆菌的辅助检测。本发明相比于传统的图像分类方法，结果更为精确，分类过程更加自动化；相比于构建深度学习神经网络进行检测的方法，在保证检测准确率的同时，大大降低了复杂度，提高了检测效率。

技术领域

本发明属于数字图像处理技术与机器学习技术领域，尤其涉及一种基于随机森林的荧光结核杆菌检测方法。

背景技术

生物样本的检测与识别一直存在十分耗时且效率低下的问题。近年来，生物样本的自动化识别与辅助检测逐渐代替了原有的人工镜检。快速发展的高速网络技术、图像技术和计算机技术为显微数字图像的自动化识别提供了坚实的基础，同时也对识别的精度与速度提出了要求。

由于荧光结核杆菌具有待检测目标小、特征不明显等特殊性质，在自动化检测系统中，传统的数字图像处理方法局限于其固有模式，很难形式化地对目标所包含的特征进行分类，使得检测的结果不够精确。而运用深度学习构建神经网络的方法则较为复杂，训练与学习的过程十分耗时。

发明内容

本发明的目的在于提供一种基于随机森林的荧光结核杆菌检测方法，旨在解决现有技术中荧光结核杆菌检测方法不够精确、过程复杂且耗时的问题。

实现本发明目的的具体技术方案是：

一种基于随机森林的荧光结核杆菌检测方法，该方法包括以下步骤：

步骤1：针对荧光扫描图像亮度与颜色分布不均的特点，采用高、中、低三种阈值对图像进行自适应阈值分割，滤除图像中残留的染色液与光斑等杂质，并对待检测细菌进行筛选与二值分割；

步骤2：针对荧光结核杆菌的病理特征，对分割好的单个二值连通域进行特征提取，提取几何特征与颜色特征，具体为：面积、中轴长度、平均宽度、长宽比值、R通道颜色均值、G通道颜色均值和Hu矩，生成待检测细菌的多维特征向量；

步骤3：运用收集到的特征向量，训练随机森林模型，生成的该随机森林能够判断待检测细菌是否为结核杆菌。

步骤4：使用训练好的随机森林进行预测，在原图中框出预测为结核杆菌的目标，用于荧光结核杆菌的辅助检测。

所述步骤1具体为：

将原图转化为灰度图像；分别采用高、中、低三种不同的阈值，对同一幅图像进行自适应阈值的分割，得到对应的三种二值图像；删除高阈值划分的二值图像中面积极小的杂质；计算各个连通域的最小斜外接矩形，删除外接矩形长宽比接近1的光斑杂质；计算前景区域的最小正外接矩形，用其截取图像的目标区域，删除低阈值图像中目标区域占满整个正外接矩形的染色剂残留背景；寻找图片中的浅色连通域，若其尺寸符合细菌的大小，则保留该连通域；检查图像中是否有断裂的区域，并对断裂区域进行叠加补齐；将筛选后的结果叠加在一起，得到最终分割完成的二值图像。

所述步骤2具体为：