病变细胞显微图像分析与识别技术的研究.docVIP

　　病变细胞显微图像分析与识别技术的研究 【摘要】 依据病变细胞的形态和颜色特征，我们提出了一种基于RGB和HIS彩色空间的自适应自动阈值分割算法，该算法能有效地将病变细胞的胞核从复杂的背景中提取出来。在分割图像的基础上，应用canny边缘检测算法提取出细胞边缘，采用八链码跟踪技术提取出细胞的特征值。为了同正常细胞比较，同时提取了正常细胞的特征值，并提出了二步识别算法以对正常和病变细胞进行识别。实验结果表明，该系统能有效地分割血细胞图像并且诊断率较高。 【关键词】 病变细胞；彩色空间；自动阈值分割；特征识别 Microscopic Image Analysis and Recognition on Pathological CellsYIN Cong1,LUAN Qiuping1,FENG Nianlun2 (1.Shandong College of Electronic Technology, Jinan 250014, China； 2.Shandong Provincial Hospital, Jinan 250021, China) Abstract：According to the features of the configuration and color information on the pathological cells, an adaptive automatic threshold segmentation based on the RGB and HIS color spaces ent suspected cancer cells and nucleus from the plex backgrounds in the microscopic images. The edges of the suspected cells and nucleus ulas ethod can efficiently segment cell images and receive higher accuracy of cell diagnosis． Key atic threshold segmentation；Feature recognition 1 引 言 我们对病变细胞图像的识别进行了研究，将脱落细胞显微图像作输入，首先对图像进行去噪、平滑等预处理，为了充分利用病变细胞的彩色特征，在彩色空间对细胞进行自动阈值分割，将图像中的可疑细胞和细胞核分割出来，用Canny边缘检测算法求出可疑细胞和胞核的边缘，再利用八链码边缘跟踪技术，将可疑细胞及细胞核的形态特征值抽取出来，根据病变细胞的先验形态特征，对提取出来的形态特征值进行检验，以此判断该细胞是病变细胞还是正常细胞。本系统还将病变细胞和正常细胞的形态特征进行了比较，以确定可疑病变细胞的二次识别算法。实验结果表明，该算法能有效分割病变细胞并获得较高诊断率。 2 病变细胞的彩色图像分割 对于细胞分析而言，细胞核包含了识别细胞的主要特征，因此要测量病变细胞的形态特征值，首先将该细胞和细胞核从背景中割离出来。在临床专家的指导下，对此类细胞核的色彩进行了分析研究。经验表明，和正常细胞相比，病变细胞的核颜色偏深，彩色分量有较大的差异，因此，这里采用细胞核的色彩特征进行分析识别。图像分割过程包括彩色空间选择和细胞自动阈值分割两部分。 2.1 彩色空间的选择 通过实验，本研究采用RGB和HIS彩色空间相结合的自动阈值分割方法。 本系统中采集的图像为24位RGB真彩图像，而在HSI空间中，H(hue)表示不同颜色，如黄、红、绿等；S(saturation)表示颜色的深浅如深红、浅红；I(intensity)表示颜色的明暗程度［1-3］。从RGB到HSI的转换关系为： H=cos-1(R-G)+(R-B)2(R-G)2+(R-B)(G-B) (R≠G或R≠B)(1) S=1-3R+B+G［min(R，G，B)］(2) I=R+G+B3(3) 2.2 细胞自动阈值分割 本系统所采用的分割过程如下：通过对大量病变细胞图像的实验观察和临床经验，表明偏蓝紫色是病变细胞核的共有特征，所以B分量应该加以重视，通过对B分量进行阈值分割，即可完成对细胞核的定位和分割；由于RGB空间存在各分量之间相关性强的缺点，而{H，S，I}空间各分量能通过明暗度、饱和度来有效识别病变细胞，所以选择在HSI空间中完成对胞浆的分割，至此通过在两种彩色空间中的两次分割，完成对病变细胞核、细胞浆的精确分割。自动获取阈值T的算法步骤为［4］： (1)根据实际需要，选择一个T的初始估计值。 (2)用T分割图像，这样会生成两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度