[发明专利]基于超像素和深度学习的阴道细菌分割与分类系统

摘要

本发明提供一种基于超像素和深度学习的阴道细菌分割与分类系统，包括通过训练图像集建立深度学习分类器，以及将测试图像与深度学习分类器进行对比，输出分类的结果；所述对比包括将所述测试图像经过各RGB通道做中值滤波，并去除噪音；计算超像素；计算每个超像素区域的颜色、形状、尺寸特征；利用先验知识对每个超像素区域进行初步滤波，并进行分割以确定候选细菌区域；对候选细菌区域进行特征提取；将提取的特征与分类器中的分类标准进行对比，按照相似度完成分类。本发明通过超像素计算进行分割、以及通过深度学习进行分类，具有高辨识度、低成本、实施简单、且易推广的优点。

主权项

一种基于超像素和深度学习的阴道细菌分割与分类系统，其特征在于，包括：训练图像集，用于存储阴道细菌的样本图像；深度学习分类器，用于存储基于所述训练图像集所得到的分类标准；预处理模块，用于将测试图像进行预处理，计算超像素、以及计算每个超像素区域的颜色、形状、尺寸特征，利用先验知识对每个超像素区域进行初步滤波，并进行分割以确定候选细菌区域，所述先验知识包括：细菌区域各RGB通道的数值上、下限，细菌长、宽的上、下限，细菌颜色均值的上、下限，细菌面积、周长的上、下限；特征提取模块，用于对所述候选细菌区域进行特征提取；判断模块，用于将提取的特征与所述深度学习分类器中的分类标准进行对比，按照相似度完成分类；其中，所述阴道细菌包括阳性杆菌、阴性杆菌、阳性球菌和阴性球菌，所述阳性杆菌和阳性球菌呈蓝色，所述阴性杆菌和阴性球菌呈粉红色，所述阳性杆菌和阴性杆菌呈杆状，所述阳性球菌和阴性球菌呈球状；所述深度学习分类器还包括：初始化模块，用于初始化卷积神经网络；接收模块，用于接收来自所述训练图像集的图像样本；调整模块，用于正向传递计算实际输出、计算实际输出与目标输出之差、并利用极小化误差方法反向传播调整权值；计数模块，用于判断是否达到预定的训练次数，并当达到后，通知调整模块输出分类标准。