一种基于自动特征学习的细胞图像分割方法技术

本发明专利技术涉及一种基于自动特征学习的细胞图像分割方法。其特征学习的方法由于具有很好的特征学习能力，因此能大大提高细胞分割的精确度，同时随机森林分类器不需要对特征进行选择，因此这种方法能够很好地解决识别过程中面临的特征提取和选择的难题。它的步骤为：1）预处理将训练集和测试集中的原始细胞图像进行预处理；2）特征提取器的训练3）识别利用随机森林分类器进行识别；4）后处理。

【技术实现步骤摘要】

【技术保护点】
一种基于自动特征学习的细胞图像分割方法，其特征是，它的步骤为：1）预处理获取神经细胞原始图像，并将其分为两个图像数量相等的数据库，其中一个数据库作为训练集，另一个数据库作为测试集；并将两个数据库中的原始细胞图像进行预处理；2）特征提取器的训练将预处理之后的训练集中的细胞图像输入到深度卷积神经网络组成的可训练的特征提取器中进行监督学习的训练，训练达到收敛之后停止，此时整个深度卷积神经网络作为一个特征提取器；然后利用该特征提取器对训练集和测试集图像进行特征提取；3）识别特征提取完后，将深度卷积神经网络的全连接层用随机森林分类器替代，再次利用训练集中的特征提取后的图像对随机森林分类器进行训练；训练完成后，对测试集中的提取特征后的图像利用随机森林分类器进行识别；4）后处理。

【技术特征摘要】

【专利技术属性】
技术研发人员：尹义龙，杨公平，曹贵宝，薛俊欣，张彩明，
申请(专利权)人：山东大学，
类型：发明
国别省市：