一种抗干扰能力强的微小粒子自适应分割识别方法及系统与流程

技术特征：
1.一种抗干扰能力强的微小粒子自适应分割识别方法，首先对待检测血样进行预处理，以降低不相干细胞杂质的干扰；其特征在于，所述抗干扰能力强的微小粒子自适应分割识别方法包括如下步骤：获取细胞图像，并通过数学算法进行图像噪声去除；根据粒子形态，构建形状结构，并以形状结构，数学形态学腐蚀运算，获取图像背景图像；根据背景图像分布，构建等值梯度轮廓；提取梯度轮廓间像素，最大方差获取轮廓内阈值并分割；待轮廓间像素分割完成后，图像分割完成。2.根据权利要求1所述的方法，其特征在于，图像背景区域获取采用数学形态学开运算完成，对于粒子图像f，首先根据图像上粒子大小，设置相应的结构函数se。白细胞粒子直径6-20μm，结构函数se为直径5～10pix的圆盘结构，则背景图像if：3.根据权利要求1所述的方法，其特征在于，所述获取轮廓的步骤包括：首先，根据获取到的背景图像，构建基于光强分布的等值曲面集：计算if图像3维像素曲面峰值vp及最小值vm；在[vm，vp]中，获取n个等值曲线cn，其中曲线c0＝vp，曲线cn＝vm，则曲线cn：以等值曲线为轮廓，曲线c0～cn演化为自适应窗口：(c0，c1]为窗口1，(c1，c2]为窗口2，(cn-1，cn]为窗口n，n个不规则自适应轮廓。4.根据权利要求1所述的方法，其特征在于，图像分割包括根据上一步获取的自适应轮廓，分别计算各自轮廓内，前景和背景区域之间的图像方差，得到各自适应轮廓内分割阈值。5.根据权利要求4所述的方法，其特征在于，图像分割包括具体实现步骤如下：在满足图像灰度范围的前提下，在图像灰度区间初始化阈值t；使用t分割图像，灰度值大于等于t的像素区域g1及小于t的区域g2；计算g1和g2区域内的灰度方差μ1和μ2；更新阈值t：计算类间方差σ：σ＝ω1×
ω2×
(μ
1-μ2)2其中，ω1为区域1面积占整幅图像面积比，ω2为区域2面积占整幅图像面积比，ω1 ω2＝1。重复上述过程，直到连续迭代中t的使得σ最小为止，得到最佳分类阈值，从而实现白细胞区域分割。6.根据权利要求1所述的方法，其特征在于，采用高斯-拉普拉斯算法实现图像噪声去
除。7.根据权利要求6所述的方法，其特征在于，首先对图像进行高斯平滑，剔除噪声；然后对图像求二阶导，用二阶导的过零点确定边缘，在去噪的同时，保留细胞的边界信息。8.根据权利要求1所述的方法，其特征在于，对待检测血样进行预处理包括：用台盼蓝对血样中白细胞染色，增强细胞对比度。9.根据权利要求8所述的方法，其特征在于，对待检测血样进行预处理还包括：利用红细胞裂解液，溶解红细胞。10.一种抗干扰能力强的微小粒子自适应分割识别系统，其特征在于，包括处理器和存储器；其中，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如权利要求1所述的方法。

技术总结
一种抗干扰能力强的微小粒子自适应分割识别方法及系统，首先对待检测血样进行预处理，以降低不相干细胞杂质的干扰；抗干扰能力强的微小粒子自适应分割识别方法包括如下步骤：获取细胞图像，并通过数学算法进行图像噪声去除；根据粒子形态，构建形状结构，并以形状结构，数学形态学腐蚀运算，获取图像背景图像；根据背景图像分布，构建等值梯度轮廓；提取梯度轮廓间像素，最大方差获取轮廓内阈值并分割；待轮廓间像素分割完成后，图像分割完成。图像分割完成。图像分割完成。


技术研发人员：李迎春 张雪 周梦颖
受保护的技术使用者：江苏康尚生物医疗科技有限公司
技术研发日：2021.12.15
技术公布日：2022/6/7