[发明专利]用于处理尿液沉渣图像的待处理区块的方法和装置

说明书

本发明提供了一种用于处理尿液沉渣图像的待处理区块的方法和装置。该方法包括：计算待处理区块的可变数目个局部特征向量，所述局部特征向量是代表待处理区块的局部位置的特征的向量；将所述可变数目个局部特征向量划分到固定数目个聚类中，从而获得该待处理区块的固定数目个聚类的统计直方图向量，该统计直方图向量反映了所述可变数目个局部特征向量在所述固定数目个聚类中的统计分布；将所述统计直方图向量作为区块处理的特征集中的特征，对待处理区块进行处理。本发明实施例提高了对尿液沉渣图像的待处理区块的处理精度。

技术领域

本发明涉及生物检测，尤其涉及一种用于处理尿液沉渣图像的待处理区块的方法和装置。

背景技术

在通常的尿液沉渣分析中，首先利用显微成像系统拍摄尿液样本图像。然后，利用例如边缘检测等技术分割尿液样本图像中的候选者区块。通过从这些候选者区块中去除明显的背景区块，检测出待处理区块。接着，对待处理区块进行处理。

目前对待处理区块的处理主要有两个方向。第一个方向是分类，即将这些待处理区块直接分类为各种有形成分(如管形、上皮、红细胞)区块和与有形成分容易混淆的背景区块。另一个方向是区块检索，它不直接将待处理区块分类，而是在数据库中检索出以前存储的与待处理区块类似的区块。与分类的结果是唯一的不同，区块检索可能检索出多个类似的区块，提供给用户，因此能提供给用户更多的信息。用户有可能会在多个类似的区块中进行进一步的选择或判断。

机器自动实现的分类和区块检索，一般都采用机器学习的方式。规定若干用于分类或区块检索的特征，组成特征集。先用大量训练样本区块组成训练样本集，用于训练处理模型(分类模型或区块检索模型)。对于训练样本集中的每个训练样本区块，计算特征集中的特征，让处理模型学习。这样，当训练好的处理模型接收到一个新的待处理区块时，对该新的待处理区块计算特征集中的特征，根据计算出的特征集中的特征，参考以前学习的结果，就能将其进行分类或为其检索出以前存储的类似的图像。

发明内容

本发明的一个实施例旨在提高对尿液沉渣图像的待处理区块的处理精度。

根据本发明的一个实施例，提供了一种用于处理尿液沉渣图像的待处理区块的方法，包括：计算待处理区块的可变数目个局部特征向量，所述局部特征向量是代表待处理区块的局部位置的特征的向量；将所述可变数目个局部特征向量划分到固定数目个聚类中，从而获得该待处理区块的固定数目个聚类的统计直方图向量，该统计直方图向量反映了所述可变数目个局部特征向量在所述固定数目个聚类中的统计分布；将所述统计直方图向量作为区块处理的特征集中的特征，对待处理区块进行处理。

在一种具体实现中，所述可变数目个局部特征统计向量包括m个尺度不变特征变换(SIFT)特征向量和n个局部二值模式(LBP)特征向量，其中m和n为可变正整数。将所述可变数目个局部特征向量划分到固定数目个聚类中的步骤包括：将m个SIFT特征向量划分到k1个聚类中，将n个LBP特征向量划分到k2个聚类中，从而分别获得SIFT特征向量的k1个聚类的统计直方图向量、以及LBP特征向量的k2个聚类的统计直方图向量，其中k1和k2是固定正整数。

在一种具体实现中，将所述统计直方图向量作为区块处理的特征集中的特征对待处理区块进行处理的步骤包括：合并SIFT特征向量的k1个聚类的统计直方图向量、以及LBP特征向量的k2个聚类的统计直方图向量；将合并后的统计直方图向量作为区块处理的特征集中的特征对待处理区块进行处理。

在一种具体实现中，计算待处理区块的可变数目个局部特征向量的步骤包括：将待处理区块转换为灰度级待处理区块，并计算灰度级待处理区块的可变数目个局部特征统计向量。

在一种具体实现中，所述待处理区块包括管形、上皮、和易与有形成分混淆的背景的区块。