对图像中的对象的两级分类制造技术

技术编号:10691927 阅读:259 留言:0更新日期:2014-11-26 19:15
本发明专利技术是一种图像处理方法和装置,用于对体液样本的图像中的元素进行自动分类,该装置包括:-识别模块(RM),用于基于出现在该图像中的视觉信息来生成与每一类别相关联的概率图,所述概率图示出了给定类别的元素的存在概率分布;以及,-决策模块(DM),用于基于对所述概率图的分析来提供关于所述分类的元素的存在的信息。根据本发明专利技术的装置还包括:-调用模块(CM),用于在所述图像(10)中定位假定存在的元素,并且关于每一假定存在的元素来调用所述决策模块(DM);以及,-所述决策模块(DM)适于在检验所述元素的存在时,将除了与所述元素的类别相关联的概率图(11)以外的至少一个另外的概率图纳入考量。

【技术实现步骤摘要】
【国外来华专利技术】对图像中的对象的两级分类
本专利技术涉及适于处理落入多个类别中的对象的数字图像的方法和装置。本专利技术的图像处理方法和装置旨在对表示所述对象的图像元素进行识别和分类,而且优选地,旨在自动地详细说明每一类别中的所述元素的数目。
技术介绍
存在众多现有技术的方法和装置来对出现在数字图像中的元素和对象进行自动识别和分类。这样的方法和装置可尤其优选地应用在用于自动分析体液例如尿液或血液的医学和诊断设备中。此外,图像识别方法和装置可被应用在所有这样的
中:其中数字图像的对象待被进行识别和分类。这样的
是例如通过卫星或望远镜的观测技术、对由户外安全监控摄像机所提供的信息的处理,或者用户舒适度功能在数字静物摄像机或电影摄影机中的实施。在US5830141中公开了一种图像处理方法和装置,其适于以X射线扫描来自动检测预定类型的患癌区域。该已知方法和装置的目的是支持并且有助于放射学家的决策制定。在该已知方法中,由多个滤波器从已完成的X射线图像制作经变换的图像,然后通过神经网络对原始图像和经变换的图像进行分析。完整的图像或单独识别的一个或多个检验区域被分析。在该方法中,多个图像区域被分类为四种类别,使得神经网络被用于针对每一像素点,计算它属于一个类别的概率值。以这种方式,实际上从该图像生成四个类型的概率图。接下来,基于对概率图的分析,做出关于给定图像区域落入哪个类别的决策。关于给定的图像区域,如果两个或更多个类别呈现具有高概率,则通过对给定的概率图部分的单独分析和可信度评估,做出关于待被指派给图像细节的类别的决策。该方法的劣势是,关于给定的图像细节,如果出现若干可能的类别,它不依赖于除了多个概率图之外的信息,从而针对该图像,它不能够综合地做出对彼此关联的每一分类的概率的分析。因此,该已知方法和装置工作时具有相对高的误差率。一种类似的方法被公开在BarbanoP.E.等人的“TowardAutomaticPhenotypingofDevelopingEmbryosFromVideos”中(IEEETransactiononImageProcessing,IEEEServiceCenter,Piscataway,NJ,US,vol.14,no.9,2005年9月1日(2005-09-01),pages1360-1371,XP011137594,ISSN:1057-7149,DOI:10.1109/TIP.2005.852470)。在US7236623B2中,公开了一种用于尿液分析诊断系统的图像识别方法和装置。在该方法中,确定了关于出现在图像中的元素类别的典型视觉特性,然后按照这些特性,通过多级神经网络分析对图像中的元素进行分类。该已知方法的劣势是,多级神经网络分析仅仅遵循基于视觉特性的决策分支路径,并且不适于对图像元素进行全局分析和分类。
技术实现思路
本专利技术的一个目的是提供一种不具有现有技术解决方案的劣势的图像处理方法和装置。另一个目的是提供能够对在数字图像中出现的彼此关联的对象和元素进行综合识别和分类的图像处理方法和装置。此外,还有一个目的是提供具有更高可靠性(即,更低误差率)的图像处理和图像元素分类方法和装置。促使做出本专利技术的认识是,如果与每一元素类别有关的概率图是从数字图像生成的,且这些概率图被彼此关联地检验,以及通过引入其他特性信息被检验,则相比于已知的解决方案,可更有效且更精确地实施对每一元素的存在的识别以及对它们的精确分类。本专利技术的目的可通过图像处理方法以及图像处理装置来实现。在下面的描述中限定优选实施方案。附图说明现在参考附图,以实施例的方式来描述本专利技术的优选实施方案,在附图中:图1是例示了从数字图像生成概率图的示意图;图2是表示位于概率图中的——可能存在的——元素的组以及与所述组相关联的检验区域的示意图;图3是例示了根据本专利技术的装置的决策做出模块的示例性输入信息的示意图;图4是根据本专利技术的装置的示意图;图5是通过根据本专利技术的方法所处理的数字尿液样本的图像;图6是图5中的图像的标记部分的放大图;图7示出了在根据图6的细节中,与杆菌有关的概率值的概率图;图8示出了在根据图6的细节中,与背景有关的概率值的概率图;图9示出了在根据图6的细节中,与鳞状上皮细胞有关的概率值的概率图;图10示出了在根据图6的细节中,与红细胞有关的概率值的概率图;以及图11示出了通过根据本专利技术的方法所获得的分类的结果。具体实施方式本专利技术的图像处理方法适于对数字图像10中的元素进行识别和分类,如图1中所示该数字图像10示出了落入多个类别中的对象,并且本专利技术的图像处理方法优选地适于根据图像中所示的类别来详细说明元素的总数目。根据本专利技术,在图像10中所示出的元素意味着能被识别和分类的任何对象的视觉外观。下面描述的本专利技术的优选实施方案用于尿液分析,即用于对尿液样本的数字图像进行处理。举例而言,在尿液样本的图片中,可对下列对象或元素进行分类:-细菌(BAC);-鳞状上皮细胞(EPI);-非鳞状上皮细胞(NEC);-红细胞(RBC);-白细胞(WBC)。根据本专利技术的一个优选实施方案,可被分类的元素例如进一步是:-背景(BKGND);以及-粒子的边缘。当然,除了上面的项以外,可在尿液样本的图片中发现待被分类的其他元素和对象。包括背景,可设立总共典型地10至30个元素类别。基于上面的描述,在分析时,如果背景(通常表示数字图片的最大表面,即其中未出现其他元素的区域)被表征为单独分类的图像元素,则是尤其有益的。因此,以这种方式,与已知的解决方案相比,借助于根据本专利技术的综合分析,可将背景更有效地与待被分类的其他元素区分开。在图1中示出的数字图像10中,待被分类的元素携带多种视觉信息。在现有技术的解决方案中,主要考虑出现在图像10中的元素的大小、形状、对比度和图案来进行分类。根据本专利技术的图像处理与最公知的解决方案的不同之处在于,它使用图像10的所有像素(甚至可代表数百万像素点),而不是上面描述的所谓的“特征参数”,所述“特征参数”可从待被发现的对象的图像中计算得出。基于在图像10中可检测到的视觉信息,生成与特定的预定元素类别相关联的概率图111-n。每一概率图11示出了给定类别的元素的存在概率分布。概率图111-n也可以与图10以相同的分辨率被生成。然而,在筹划本专利技术的过程中,已经意识到,在例如医疗诊断领域中可用的高分辨率图像的情形中,对这样的全分辨率概率图111-n执行分析会是极其耗时的。已经发现,通过使得图像10的若干像素与概率图111-n的某些概率值相关联的方式,以比原始图像10的分辨率更低的分辨率生成概率图111-n是足够的。在一个优选实施方案中,概率图中的光栅点被指派为图像10的8×8像素。该概率值表示关于图像10的给定8×8像素,给定类别的元素的存在概率。在筹划本专利技术的过程中,已经证明,这样的分辨率降低不会损害分类的准确性,因为鉴于典型的粒子大小/对象大小大于8×8像素的事实,这样的组合概率值也适当地表示了给定图像细节中的存在概率。概率图111-n也可被表示为概率图像,所述概率图像中的每一元素携带根据概率值的幅值的视觉信息,但是它也可被认为是一个矩阵,所述矩阵的每一值相应于在给定位置中存在的概率值。在上面的优选实施方案中,应用1280×9本文档来自技高网
...

【技术保护点】
一种图像处理方法,用于对体液样本的图像(10)中的元素(16)进行分类,所述方法包括以下步骤:‑基于在所述图像(10)中能检测到的视觉信息,生成与每一类别相关联的概率图(111‑n),所述概率图(11)示出给定类别的元素(16)的存在概率分布;以及‑基于分析所述概率图(111‑n),做出关于所述类别的元素(16)的存在的决策;其特征在于:‑针对每一类别,检验在所述图像(10)中是否有假定存在的元素;以及‑在关于每一假定存在的元素(16)的存在做出决策时,将除了与所述元素(16)的类别相关联的所述概率图(11)之外的至少一个另外的概率图(11)纳入考量。

【技术特征摘要】
【国外来华专利技术】2012.01.11 HU P12000171.一种图像处理方法,用于对体液样本的图像(10)中的元素(16)进行分类,所述方法包括以下步骤:-基于在所述图像(10)中能检测到的视觉信息,生成与每一类别相关联的概率图,所述概率图示出给定类别的元素(16)的存在概率分布;以及-基于分析所述概率图,做出关于所述类别的元素(16)的存在的决策;其特征在于:-针对每一类别,检验所生成的概率图,在所述图像(10)中是否有假定存在的元素;-针对与所述元素的类别相关联的所述概率图上的每一假定存在的元素,定位一个检验区域;以及-在关于每一假定存在的元素(16)的存在做出决策时,关于与所述检验区域相关联的元素(16)的存在,通过将至少一个另外的概率图的相同定位的检验区域纳入考量,来将除了与所述元素(16)的类别相关联的所述概率图之外的至少一个另外的概率图纳入考量;其中针对每一概率图以这样的方式执行与所述假定存在的元素相关的检验,即,在所述概率图中寻找一个阈值水平以上的概率值(14)的邻接组(12),然后基于所述邻接组(12)的大小和/或所述邻接组(12)中的概率值(14)的幅值的大小,确定所述邻接组(12)是否对应于所述假定存在的元素。2.根据权利要求1所述的方法,其特征在于,在确定与所述检验区域相关联的元素(16)的存在时,也将从与所述元素相关的概率值(14)计算的统计数据(15)纳入考量。3.根据权利要求2所述的方法,其特征在于,所述统计数据(15)是与实际概率图的检验区域中以及至少一个另外的概率图的相同定位的检验区域中的概率值(14)的分布相关的局部统计数据。4.根据权利要求2所述的方法,其特征在于,所述统计数据(15)是与实际概率图的检验区域外侧以及至少一个另外的概率图的相同定位的检验区域外侧的概率值(14)的分布有关的全局统计数据。5.根据权利要求2所述的方法,其特征在于,所述统计数据(15)是与来自与相同样本相关联的另一些图像(10)的信息相关的综合统计数据。6.根据权利要求1所述的方法,其特征在于,借助于对象寻找算法执行对所述图像(10)中的假定存在的元素的搜索,并且该搜索的结果被用于限定所述组(12)。7.根据权利要求1或6所述的方法,其特征在于,将所述检验区域的中心定位至对应于所述假定存在的元素的组(12)的中心。8.根据权利要求1所述的方法,其特征在于,除了所述图像(10)之外或者替代所述图像(10),从所述图像(10)生成的一个或多个经变换的图像或者所述图像(10)的一个或多个不同分辨率变体被用于生成所述概率图。9.根据权利要求1所述的方法,其特征在于,所述概率图的分辨率低于所述图像(10)的分辨率,并且所述概率图的每一概率值与由所述图像(10)中的多个像素构成的给定区域相关联。10.根据权利要求1所述的方法,其特征在于,确定所述元素(16)的存在概率,并且仅仅接受在一个阈值概率以上存在的元素(16)。11.根据权利要求1所述的方法,其特征在于,在分析中包...

【专利技术属性】
技术研发人员:G·拜耳
申请(专利权)人:电子慕泽雷帕里公司
类型:发明
国别省市:匈牙利;HU

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1