血液白细胞显微图像的随机权网络分割方法

摘要

本发明公开了一种血液白细胞显微图像的随机权网络分割方法，由类别编码与训练库构建、随机权网络训练、解编码分割以及形态学算子修复四个子过程构成的自动分割技术，将血液白细胞分割转化成一个分类问题，用分类的方式实现白细胞显微图像的自动分割，得到完整的连通的细胞质和细胞核区域。本发明的有益效果是，通过对血液白细胞图像像素点的有效类别编码，构建稳健的血液白细胞分类训练库；采用快速、高效的随机权网络获取最优编码决策模型，以获得对待分割白细胞图像的最佳编码，得到最终的分割结果。本发明实现了对于白细胞显微图像的高效分割。

说明书

技术领域

本发明属于图像处理技术领域，涉及一种血液白细胞显微图像的随机权 网络分割方法。

背景技术

血液白细胞的分类识别和计数在病毒或真菌感染、肿瘤以及艾滋病等临 床诊断与治疗中起到重要的作用。采用人工的方式进行分类和计数，无疑是 一项枯燥且耗时费力的工作，这就对自动识别血液白细胞显微图像提出了要 求。

实现血液白细胞自动分类主要包含三大步骤：细胞分割、特征提取和分 类实现。其中细胞分割是关键，细胞分割的好坏直接影响到后续特征提取及 分类的效果。

目前已有的白细胞分割方法，就实用性和复杂程度而言，均存在不同程 度的缺陷。譬如，基于颜色直方图的分割方法和基于施密特正交化的分割方 法，虽然操作简单、速度快，但是它们无法分割出细胞质的区域；而基于分 水岭、活动轮廓模型的方法步骤复杂，且分割的效果视血液白细胞显微图像 而定；基于多谱图像技术的方法虽然可以得到对于白细胞成分的有效分割， 但其需耗费很大的代价。因此这些方法都不符合白细胞分割的实际应用需 求，这就对新的快捷有效的血液白细胞分割方法提出了迫切的需求。

发明内容

本发明的目的是提供一种血液白细胞显微图像的随机权网络分割方法， 该方法不仅操作简单、分割速度快，同时能够达到有效的分割效果。对于仅 包含一个白细胞的显微图像，该发明能准确地分割出白细胞的细胞核和细胞 质区域。此外，本发明能很好地融入血液白细胞图像自动分类的应用中。

本发明所采用的技术方案是，一种血液白细胞显微图像的随机权网络分 割方法，由类别编码与训练库构建、随机权网络训练、解编码分割以及形态 学算子修复四个子过程构成的自动分割技术，将血液白细胞分割转化成一个 分类问题，用分类的方式实现白细胞显微图像的自动分割，得到完整的连通 的细胞质和细胞核区域。

本发明的特征还在于，血液白细胞图像的像素点进行类别编码，根据染 色特点，共分为七个编码类，分别是红细胞类、血浆类、细胞核类、嗜酸性 粒细胞细胞质类、中性粒细胞细胞质类、嗜碱性粒细胞细胞质类以及单核细 胞与淋巴细胞细胞质类。

在RGB空间中提取每类中的像素点的R分量、G分量和B分量构成该 子类的特征向量，并结合类编码构建血液白细胞显微图像训练库。

构建的训练库经由随机权网络进行训练，得到随机权网络的决策模型。

对待分割血液白细胞显微图像经由随机权网络决策模型进行解编码，获 取属于细胞核与细胞质区域的像素点，进行二值化显示得到经随机权网络分 割后的细胞质与细胞核。

经随机权网络分割后的细胞质与细胞核存在孤立点(区域)和孔洞，采 用形态学算子对该杂质或孔洞进行修复，得到完整的连通的形态学修复后的 细胞质与细胞核区域。

本发明的有益效果是，通过对血液白细胞图像像素点的有效类别编码， 构建稳健的血液白细胞分类训练库；采用快速、高效的随机权网络获取最优 编码决策模型，以获得对待分割白细胞图像的最佳编码，得到最终的分割结 果。本发明实现了对于白细胞显微图像的高效分割。需要指出的是，本发明 以自动化为目的，因此要求所涉及的白细胞显微图像均在统一标准下染色拍 摄。

附图说明

图1是本发明的流程图。

图2是本发明处理的对象一幅待分割的白细胞显微图像。

图3是由随机权网络分割后得到的细胞质区域。

图4是由随机权网络分割后得到的细胞核区域。

图5是对图3进行形态学修复后的细胞质区域。

图6是对图4进行形态学修复后的细胞核区域。

图中1.血液白细胞显微图像库，2.血液白细胞显微图像，3.提取颜色分 量，4.R分量，5.G分量，6.B分量，7.构建的血液白细胞训练库，8.相对应 的类编码库，9.随机权网络隐层节点，10.随机权网络决策模型，11.随机权网 络，12.最佳编码，13.解编码并提取细胞核与细胞质像素，14.随机权网络分 割后的细胞质，15.随机权网络分割后的细胞核，16.形态学修复，17.形态学 修复后的细胞质，18.形态学修复后的细胞核，19.血浆，20.红细胞，21.待分 割细胞核，22.待分割细胞质。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明将白细胞显微图像的分割问题转化成一个分类问题。首先将血液 白细胞图像的像素点进行类别编码，根据血液白细胞显微图像染色的特点， 本发明将其共分为七个编码类，分别是红细胞类、血浆类、细胞核类、嗜酸 性粒细胞细胞质类、中性粒细胞细胞质类、嗜碱性粒细胞细胞质类以及单核 细胞与淋巴细胞细胞质类。接着提取每一编码类的特征向量构成血液白细胞 分类训练库，并采用快捷有效的随机权网络作为分类器对该训练库进行编码 训练，获得最优决策模型。最后对待分割白细胞中的像素进行编码分类，再 通过解编码找到属于细胞质和细胞核的像素点，确定细胞核和细胞质的区 域。因为细胞核和细胞质区域的染色并不均匀，导致在解编码后所得区域中 存在杂质或孔洞，本发明采用形态学算子对杂质及孔洞进行修复，最终得到 完整的连通的细胞核和细胞质区域。值得说明的是，因在本血液白细胞显微 图像分割发明中采用了统一标准染色拍摄的图像，并且所涉及到的染色种类 不像自然图像那样复杂，使本发明在技术方案层面是可行的。

具体来说，在图1中，对血液白细胞显微图像库1中的图像根据染色特 点，将血液白细胞图像的像素点进行类别编码，本发明将其共分为七个编码 类，分别是红细胞类、血浆类、细胞核类、嗜酸性粒细胞细胞质类、中性粒 细胞细胞质类、嗜碱性粒细胞细胞质类以及单核细胞与淋巴细胞细胞质类。 就一般而言，每幅图像只涉及其中的四个类别，分别是血浆19、红细胞20、 待分割细胞核21以及出现在图像中的白细胞特有的待分割细胞质22，如图 2所示。

在图1中，对血液白细胞库中的图像2根据染色特征，在RGB空间中 提取一定量的每种类别下每个像素点的颜色向量(即提取颜色分量3)，包含 R分量4、G分量5和B分量6，构成一个像素点特征量，进而对整个训练 样本构建血液白细胞训练库X＝[X₁，X₂,…X_i]，其中X_i代表第i种类别的颜色 向量构成的子库，i＝1-7。同时对血液白细胞显微图像2进行编码并构建相对 应的类编码库8，将其编码库和血液白细胞训练库统一构成新的训练库，输 入随机权网络11。

根据输入的训练库进行随机权网络的训练，从而得到随机权网络决策模 型10。

取待分割图像中每一个像素点的R分量4、G分量5和B分量6构建特 征向量，根据随机权网络决策模型10，得到对于每个像素的最佳编码12， 接着通过对像素点的解编码获取属于细胞核与细胞质区域的像素点(即解编 码并提取细胞核与细胞质像素13)，进行二值化显示得到经随机权网络分割 后的细胞质与细胞核。图3和图4的白色区域即为待分割图1经随机权网络 分割后得到的细胞质14和经随机权网络分割后的细胞核15。

因在血液白细胞显微图像2中，细胞核和细胞质区域的颜色并不均匀， 若只采用随机权网络来进行分割，将导致分割出的细胞核和细胞质中存在杂 质或孔洞。故而在本发明中采用形态学修复16算子对其分别进行修复，得 到最终的分割结果。图5和图6分别为经随机权网络分割后得到的细胞质14 和经随机权网络分割后的细胞核15经形态学修复16得到的形态学修复后的 细胞质17和形态学修复后的细胞核18。