[发明专利]一种基于改进模糊识别的白带中红细胞自动检测方法

摘要

该发明公开了一种基于改进模糊识别的白带中红细胞自动检测方法，属于图像处理技术领域，具体指的是一种基于改进模糊识别算法的白带红细胞自动检测方法。该发明通过人工寻找出的红细胞对建立的神经网络进行训练，然后最所要检测的样本图像进行灰度、二值化等一系列处理，根据红细胞的部分特征，进行部分筛除，在通过训练的神经网络判断剩余的可疑区域是否为红细胞。从而该发明具有高精度、高效率、成本的优点。

主权项

一种基于改进模糊识别的白带中红细胞自动检测方法，包括训练步骤和实际检测步骤，训练步骤如下：步骤A，在现有的白带显微图像中人工提取多个训练用标准红细胞和偏转红细胞样本；步骤B，提取训练用的细胞图像的圆形度、连通区域个数特征；步骤C，将这训练用的红细胞图样进行模糊C均值聚类，分别获得标准红细胞和偏移红细胞的隶属中心及每个图样分别对每类的隶属度值；步骤D，构建标准红细胞和偏移红细胞的两个神经网络来拟合两类细胞的隶属度函数，将训练用的两类红细胞分别输入对应的两个神经网络进行训练；红细胞的特征值作为输入，该红细胞样本对当前群集的隶属度值作为理想输出；训练结束获得两个判断红细胞样本对当前群集的隶属度值的神经网络；检测步骤如下：步骤A，采集多张不同焦距的白带显微图像数据；步骤B，对步骤A得到的显微图像数据进行形态学低帽运算，并采用阈值分割得到二值化图像；步骤C，将步骤B中的二值化图像进行连通区域标定；步骤D，计算步骤C中的连通区域的面积，根据连通区域面积大小判定可能的红细胞区域；步骤E，将判定完毕的可能为红细胞的连通区域进行提取，抽取具体细胞小图样；步骤F，提取细胞图样的特征，将其分别输入两个神经网络，得到两个隶属度值；步骤H，比较两个隶属度值大小，提取较大值；较大值对应的群集为该细胞所属群集；但若较大值比较小，则认为此图样为杂质；步骤I，若检测的细胞图样属于偏移红细胞群集，则继续步骤J，若属于标准红细胞或杂质，则跳转至步骤M；步骤J，记录此细胞图样坐标，截取其余不同焦距的图像的同一位置；步骤K，分别检测其余不同焦距图像中提取出的细胞图样，计算其灰度平均值和中心区域灰度平均值的比例，若比例较大，则认定原细胞图样为杂质，跳转至步骤M；否则继续步骤L；步骤L，将其余不同焦距图像中提取出的细胞图样二值化并取反，计算其面积和填充后的面积比例，若比例较大，则认定原细胞图样为杂质；步骤M，依据上述检测结果对细胞图样所属类别进行记录；重复步骤E到步骤M，直至判断处理完成显微图像中所有的细胞小图样。