[发明专利]一种基于活动轮廓模型的白细胞分割方法

说明书

本发明公开了一种基于活动轮廓模型的白细胞分割方法，由以下步骤组成：步骤1：获得每个小立方体中所有像素值的数量，将每个小立方体中的所有像素值赋值为预定像素值，并获得预处理图像，步骤2：对预处理图像利用密度峰值聚类分割方法进行密度聚类得到初始白细胞图像，然后再使用形态学处理方法对初始白细胞图像中的白细胞核边缘轮廓进行光滑处理得到最终白细胞核图像，步骤3：将最终白细胞核图像利用水平集方法处理得到白细胞核轮廓曲线，以白细胞核轮廓曲线作为活动轮廓模型的初始轮廓曲线，从而得到最终白细胞图像；本发明根据白细胞局部灰度特性，以细胞核轮廓线演化至细胞质边缘分割白细胞，得到更加精准的结果。

技术领域

本发明属于医学图像处理领域，尤其涉及一种基于活动轮廓模型的白细胞分割方法。

背景技术

医学图像分割由于其对辅助医疗、临床医学等领域的巨大帮助成为了目前图像处理领域的主要研究方向之一。对于特定医学图像，如外周血细胞图像中的白细胞图像。白细胞数目的变化可以作为判断人体是否受到感染。但是通常由于白细胞自身特性或设备影响，使得在染色与图像采集阶段其细胞核和与细胞质不可避免的受到了灰度不均和噪声的影响，尽管不断有分割算法被提出来，但是单一的传统分割算法精度与速度仍然不够理想。

外周血液图像中除了各类白细胞外，还包含了大量的红细胞、血小板等物质。通常对白细胞采用标准染色法之后虽然能很好的标记出白细胞，但是由于白细胞自身特性，导致其细胞核染色较深，呈深紫色、细胞质部分呈淡紫色差异过大。同时由于背景中红细胞的干扰、染色泄露等问题存在，使得大多数分割算法对于白细胞核的分割性能优秀，但是对于白细胞质的分割效果不尽人意。

通常情况下，白细胞的识别分类系统包括一下几个方面：图像的预处理、白细胞的分割、特征提取与分类。分割作为分类任务之前的环节，对分类的准确性至关重要。目前主要的分割方法有两方面的：其一是基于图谱理论的分割方法，主要有阈值法、聚类法等；其二是基于变分理论的分割方法，主要包括活动轮廓法。基于图谱理论的分割方法目前还没有一种能够有效克服各种情况下白细胞图像灰度不均的问题，而单纯基于变分理论的分割方法，因为白细胞细胞核与细胞质的巨大灰度差，导致活动轮廓的演化曲线难以拟合细胞质边缘或者会收敛于细胞核边缘，导致白细胞难以分割。

发明内容

本发明的目的是提供一种基于活动轮廓模型的白细胞分割方法，能够准确分割白细胞细胞核与细胞质。

本发明采用以下技术方案：一种基于活动轮廓模型的白细胞分割方法，由以下步骤组成：

步骤1：将原始染色白细胞图像的RGB像素空间分割为长度相等的小立方体，计算所有小立方体中位于中心点的像素值，即预定像素值，获得每个小立方体中所有像素值的数量，将每个小立方体中的所有像素值赋值为预定像素值，并获得预处理图像，

步骤2：对所述预处理图像利用密度峰值聚类分割方法进行密度聚类得到初始白细胞图像，然后再使用形态学处理方法对初始白细胞图像中的白细胞核边缘轮廓进行光滑处理得到最终白细胞核图像，

步骤3：将最终白细胞核图像利用水平集方法处理得到白细胞核轮廓曲线，以白细胞核轮廓曲线作为活动轮廓模型的初始轮廓曲线，以局部JS散度构建局部灰度信息表达式作为边缘停止函数，使初始轮廓曲线逐步计算得到白细胞边缘，从而得到最终白细胞图像。

进一步地，步骤3中所述边缘停止函数为：

其中I(x)表示局部图像区域，C₁和C₂分别为局部区域中被轮廓曲线分为内、外两部分的平均灰度值，p和q分别表示被轮廓曲线分为内外两部分的灰度分布，JS(p，q)表示内、外两部分的灰度分布之间的JS散度信息，α为局部阈值，取0.02，用以衡量局部灰度的均匀性，α-JS(p，q)＞0，则表示灰度均匀，反之则表示灰度不均匀，局部窗口选取为5*5。

进一步地，步骤2由以下步骤组成：