一种基于荧光显微图像的微藻细胞识别方法技术

本发明专利技术公开一种基于荧光显微图像的微藻细胞识别方法，包括：SS1：提取微藻细胞多种特征，基于多种微藻细胞特征训练多种识别方法；SS2：用训练好的多种识别方法对微藻细胞进行识别；SS3：对各种微藻细胞识别方法所识别的结果进行组合决策，得到最终识别结果。本发明专利技术采用多种方法对微藻细胞不同的特征方法进行描述，在本质上提高了微藻细胞识别的准确度；使用综合的分类方法，结合不同的微藻细胞特征进行单独训练和分类，并且最终对识别结果通过合理的步骤进行处理，相对于单一分类方法的识别率得到了较明显的提升，同时增加了识别结果的置信度。

A Recognition Method of Microalgae Cells Based on Fluorescence Microscopic Images

The invention discloses a method for identifying microalgae cells based on fluorescence microscopic images, which includes: SS1: extracting multiple features of microalgae cells, training multiple recognition methods based on multiple features of microalgae cells; SS2: identifying microalgae cells with trained multiple recognition methods; SS3: combining the results of various recognition methods of microalgae cells, and obtaining the final recognition knot. Fruit. The invention adopts various methods to describe different characteristic methods of microalgae cells and improves the accuracy of microalgae cell recognition in essence; uses comprehensive classification method to train and classify microalgae cells separately combined with different characteristics of microalgae cells, and finally processes the recognition results through reasonable steps, and obtains more obvious recognition rate compared with single classification method. It also increases the confidence of the recognition results.

【技术实现步骤摘要】
一种基于荧光显微图像的微藻细胞识别方法
本专利技术涉及微藻细胞识别领域，具体涉及一种基于荧光显微图像的微藻细胞识别方法。
技术介绍
随着社会的发展和城市化的建设，世界各国对环保的要求日益提高。尤其是对海洋环保和内陆湖泊水域的要求，更是促进我们在科技上进行更深入的发展，以应对越来越严峻的水域环境问题。在海洋和内陆各大水域中，微藻的生长和繁殖对环境起着关键的作用，也对环境保护工作提出各种各样的挑战。近些年来，由于水体富营养化的加重，近岸海域赤潮和内陆水体藻华爆发日趋频繁，尤其是其中的有害藻华对引用水安全、渔业生产和食品安全造成严重威胁，对藻华机理的研究和有关水域环境的监测技术已经成为相关领域的热门和关键工作。现有的微藻水样分析主要利用人工显微镜检技术，通过对水样的采样、富集和样品固定，由镜检人员在显微镜下进行观测、记录和分析。人工镜检费时费力，对镜检人员的仪器操作和经验都有很高要求，分析结果易受操作人员的主观性带来偏差。以荧光成像流式细胞仪为代表的新型显微成像技术可以利用微藻体内的叶绿素自发荧光，对水样中的大量微藻实现高通量的快速荧光显微成像，不仅保留了传统显微成像对微藻细胞形态的表征能力，还增加了对水样中微藻检测的特异性，同时大幅增加了表征通量。针对这些新型的技术所采集的微藻荧光图像，本专利技术旨在发展有关的计算机图像分析技术，结合微藻荧光显微图像的特点，对其中的微藻细胞进行快速检测分类和测量分析，从而提升对水体中微藻分析的精度和自动化程度。
技术实现思路
本专利技术的目的在于专利技术一种新的微藻荧光显微图像分析方法，可以快速稳定的对微藻荧光显微图像中的细胞进行识别，从而有助于微藻图像分析研究工作。本专利技术的技术方案是：一种基于荧光显微图像的微藻细胞识别方法，包括：SS1：提取微藻细胞多种特征，基于多种微藻细胞特征训练多种识别方法；SS2：用训练好的多种识别方法对微藻细胞进行识别；SS3：对各种微藻细胞识别方法所识别的结果进行组合决策，得到最终识别结果。进一步地，所述步骤SS1具体包括：对微藻细胞训练集的微藻细胞荧光显微图像进行处理，定位微藻细胞，获得微藻细胞预处理图像，基于微藻细胞预处理图像提取至少两种微藻细胞特征，基于每种微藻细胞特征训练一种微藻细胞识别方法；所述步骤SS2具体包括：对微藻细胞测试集的微藻细胞荧光显微图像进行处理，定位微藻细胞，获得微藻细胞预处理图像，基于微藻细胞预处理图像提取相应的至少两种微藻细胞特征，基于所提取的微藻细胞特征，使用相对应的训练好的微藻细胞识别方法对微藻细胞进行识别。进一步地，步骤SS1和SS2中，采用改进的图分割方法对微藻细胞训练集和/或微藻细胞测试集的微藻细胞荧光显微图像进行处理，定位微藻细胞，获得微藻细胞预处理图像，具体包括：对微藻细胞荧光显微图像进行去噪，并将去噪后的微藻细胞荧光显微图像归一化到[0,255]，获得微藻细胞灰度图像；对去噪后的微藻细胞荧光显微图像进行滤波；采用高斯混合模型对去噪滤波后的微藻细胞荧光显微图像进行处理，获得微藻细胞二值化图像。进一步地，所训练的微藻细胞识别方法包括：基于改进的支持向量机的微藻识别方法、基于改进的Adaboost集成算法的微藻识别方法、基于改进的最近邻匹配的微藻识别方法；基于改进的支持向量机的微藻识别方法所需提取的微藻细胞特征为曲率统计直方图特征；基于改进的Adaboost集成算法的微藻识别方法所需提取的微藻细胞特征为多边缘统计特征；基于改进的Adaboost集成算法的微藻识别方法所需提取的微藻细胞特征主要角点拓扑结构特征。进一步地，提取曲率统计直方图特征，具体包括：S1-1：微藻细胞预处理图像包括微藻细胞二值化图像，记微藻细胞二值化图像为I1；S1-2：标记I1的轮廓点为Pi(Xi，Yi)；S1-3：对于每一对相邻点Pi和Pi+1，计算相应曲率，公式如下：Qi＝(Yi+1-Yi)/(Xi+1-Xi)；S1-4：使用标准归一化方法，将Qi归一化到0.1到1之间；S1-5：将0.1到1分为4个区间，分别是[0，0.2]，(0.2，0.5]，(0.5，0.8]，(0.8，1]；S1-6：遍历Qi，统计位于这4个区间的坐标点的个数V1、V2、V3和V4；S1-7：根据微藻细胞分类项目要求，定义微藻细胞的种类数为M个；记M种微藻细胞的特征向量矩阵Vn＝{V1，V2，V3，V4}，其中n为1～M，对应M种微藻细胞。进一步地，提取多边缘统计特征，具体包括：S2-1：微藻细胞预处理图像包括微藻细胞二值化图像和微藻细胞灰度图像，记微藻细胞二值化图像为I1，微藻细胞灰度图像为I2；S2-2：获取I1的最外层轮廓点对应的坐标集合Mi，对应该坐标集合Mi，获取对应I2上的坐标灰度值Git集合的均值为Pi＝(Gi1+Gi2+…GiT)/T，其中T为坐标个数；S2-3：判断I1是否是骨架图像，如果是，执行下一步，否则剔除I1上Mi中对应的像素点，并执行步骤S1-3-21.2；S2-4：得到I2从外到内所有层的灰度值均值集合{P1，P2，…，PN}；S2-5：定义I2多边缘平均均值是v1＝(P1+P2+…+PN)/N；其中N为I2的层数；S2-6：定义I2多边缘平均方差是v2＝((P1-v1)2+(P2-v1)2+…+(PN-v1)2)/N；S2-7：计算I1的面积，记为v3；S2-8：计算I1的最外层轮廓点个数，记为v4。进一步地，提取主要角点拓扑结构特征，具体包括：S3-1：微藻细胞预处理图像包括微藻细胞二值化图像，记微藻细胞二值化图像为I1；S3-2：通过几何矩阵算法得到I1的质心坐标O(Ox，Oy)；S3-3：获取I1的所有轮廓点，采用T等分法对所有轮廓点进行采样，得到轮廓点坐标几何K{K1，K2，…，KN}，N为I1的轮廓点数；S3-4：计算质心O到集合K的距离，并根据距离从大到小排序，即为L{L1，L2，…，LN}；S3-5：取集合中前H个距离，并获取K集合中对应的外轮廓坐标点，即为J{J1，J2，…，JH}，其中H<N，H可根据需要自行设定；S3-6：分别计算线段OJ1-OJ2、OJ2-OJ3、…OJH-OJ1的夹角，即为R{R1，R2，…，RH}；S3-7：组成的特征向量E{L1，L2，…，LH，R1，R2，…，RH}就是微藻细胞的主要角点拓扑结构特征；S3-8：计算M个微藻细胞模板的主要角点拓扑结构特征向量，记为集合{E1，E2，…，EM}，得到该最近邻分类器特征向量集合。进一步地，步骤SS3具体包括：基于多数投票和先验识别率的判决方法对各种微藻细胞识别方法所识别的结果进行组合决策，得到最终识别结果。进一步地，步骤SS3中，基于多数投票和先验识别率的判决方法对各种微藻细胞识别方法所识别的结果进行组合决策，得到最终识别结果，具体包括：S4-1：记三种微藻识别方法的识别率分别为L1、L2、L3；S4-2：记三种微藻识别方法对某一个微藻细胞识别类别分别为R1、R2、R3；S4-3：分别统计R1、R2和R3出现的次数T1、T2和T3，根据以下逻辑进行判断：如果T1＝3或者T1＝2，最终识别结果为R1；如果T2＝3或者T2＝2，最终识别结果为R2；如果T3＝3或者T3＝2，最终识别结果为R3；如果T1＝T2＝T3＝1，进入步骤S4-4；S本文档来自技高网...

【技术保护点】
1.一种基于荧光显微图像的微藻细胞识别方法，其特征在于，包括：SS1：提取微藻细胞多种特征，基于多种微藻细胞特征训练多种识别方法；SS2：用训练好的多种识别方法对微藻细胞进行识别；SS3：对各种微藻细胞识别方法所识别的结果进行组合决策，得到最终识别结果。

【技术特征摘要】
1.一种基于荧光显微图像的微藻细胞识别方法，其特征在于，包括：SS1：提取微藻细胞多种特征，基于多种微藻细胞特征训练多种识别方法；SS2：用训练好的多种识别方法对微藻细胞进行识别；SS3：对各种微藻细胞识别方法所识别的结果进行组合决策，得到最终识别结果。2.根据权利要求1所述的基于荧光显微图像的微藻细胞识别方法，其特征在于，所述步骤SS1具体包括：对微藻细胞训练集的微藻细胞荧光显微图像进行处理，定位微藻细胞，获得微藻细胞预处理图像，基于微藻细胞预处理图像提取至少两种微藻细胞特征，基于每种微藻细胞特征训练一种微藻细胞识别方法；所述步骤SS2具体包括：对微藻细胞测试集的微藻细胞荧光显微图像进行处理，定位微藻细胞，获得微藻细胞预处理图像，基于微藻细胞预处理图像提取相应的至少两种微藻细胞特征，基于所提取的微藻细胞特征，使用相对应的训练好的微藻细胞识别方法对微藻细胞进行识别。3.根据权利要求2所述的基于荧光显微图像的微藻细胞识别方法，其特征在于，步骤SS1和SS2中，采用改进的图分割方法对微藻细胞训练集和/或微藻细胞测试集的微藻细胞荧光显微图像进行处理，定位微藻细胞，获得微藻细胞预处理图像，具体包括：对微藻细胞荧光显微图像进行去噪，并将去噪后的微藻细胞荧光显微图像归一化到[0,255]，获得微藻细胞灰度图像；对去噪后的微藻细胞荧光显微图像进行滤波；采用高斯混合模型对去噪滤波后的微藻细胞荧光显微图像进行处理，获得微藻细胞二值化图像。4.根据权利要求1或2所述的基于荧光显微图像的微藻细胞识别方法，其特征在于，所训练的微藻细胞识别方法包括：基于改进的支持向量机的微藻识别方法、基于改进的Adaboost集成算法的微藻识别方法、基于改进的最近邻匹配的微藻识别方法；基于改进的支持向量机的微藻识别方法所需提取的微藻细胞特征为曲率统计直方图特征；基于改进的Adaboost集成算法的微藻识别方法所需提取的微藻细胞特征为多边缘统计特征；基于改进的Adaboost集成算法的微藻识别方法所需提取的微藻细胞特征主要角点拓扑结构特征。5.根据权利要求4所述的基于荧光显微图像的微藻细胞识别方法，其特征在于，提取曲率统计直方图特征，具体包括：S1-1：微藻细胞预处理图像包括微藻细胞二值化图像，记微藻细胞二值化图像为I1；S1-2：标记I1的轮廓点为Pi(Xi，Yi)；S1-3：对于每一对相邻点Pi和Pi+1，计算相应曲率，公式如下：Qi＝(Yi+1-Yi)/(Xi+1-Xi)；S1-4：使用标准归一化方法，将Qi归一化到0.1到1之间；S1-5：将0.1到1分为4个区间，分别是[0，0.2]，(0.2，0.5]，(0.5，0.8]，(0.8，1]；S1-6：遍历Qi，统计位于这4个区间的坐标点的个数V1、V2、V3和V4；S1-7：根据微藻细胞分类项目要求，定义微藻细胞的种类数为M个；记M种微藻细胞的特征向量矩阵Vn＝{V1，V2，V3，V4}，其中n为1～M，对应M种微藻细胞。6.根据权利要求4所述的基于荧光显微图像的微藻细胞识别方法，其特征在于，提取多边缘统计特征，具体包括：S2-1：微藻细胞预处理图像包括微藻细胞二值化图像和微藻细胞灰度图像，记微藻细胞二值化图像为I1，微藻细胞灰度图像为I...

【专利技术属性】
技术研发人员：彭勤牧，
申请(专利权)人：深圳市趣方科技有限公司，
类型：发明
国别省市：广东,44