[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：将待处理区块按照预定划分规则划分成多个栅格；计算所述多个栅格中的每一个栅格的n维局部特征向量，其中n为正整数；在所述待处理区块中，按照预定合并规则，将所述多个栅格中的至少两个相邻栅格合并为中间块；根据中间块所包含的栅格的n维局部特征向量，计算所述中间块的中间块合并特征向量；按照预定组合规则，将为待处理区块的不同中间块获得的中间块合并特征向量组合为待处理区块的总体组合特征向量；以所述总体组合特征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。

目前，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待处理区块的处理精度。

根据本发明的一个实施例，一种用于处理尿液沉渣图像的待处理区块的方法，包括：将待处理区块按照预定划分规则划分成多个栅格；计算所述多个栅格中的每一个栅格的n维局部特征向量，其中n为正整数；在所述待处理区块中，按照预定合并规则，将所述多个栅格中的至少两个相邻栅格合并为中间块；根据中间块所包含的栅格的n维局部特征向量，计算所述中间块的中间块合并特征向量；按照预定组合规则，将为待处理区块的不同中间块获得的中间块合并特征向量组合为待处理区块的总体组合特征向量；以所述总体组合特征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，处理尿液沉渣图像的待处理区块包括以下两者中的任一个：对所述待处理区块进行分类；对所述待处理区块进行区块检索。

在一种具体实现中，预定划分规则是对待处理区块进行多次划分，每次划分中划分出的栅格大小是相同的，不同次划分中划分出的栅格大小是不同的。

在一种具体实现中，计算所述多个栅格中的每一个栅格的n维局部特征向量的步骤包括：计算所述栅格中每个像素的梯度值和梯度方向，其中将梯度方向近似到预定的n个标准方向之一上；计算所述栅格中像素梯度方向近似到所述n个标准方向中的特定标准方向上的像素的总梯度值，作为该栅格的n维局部特征向量的一维，所述n个标准方向上各自的像素的总梯度值对应于该n维局部特征向量的n维。

在一种具体实现中，计算所述中间块的中间块合并特征向量的步骤包括：将所述中间块所包含的各栅格的n维局部特征向量取向量平均值，作为所述中间块的中间块合并特征向量。

在一种具体实现中，计算所述中间块的中间块合并特征向量的步骤包括：对所述中间块所包含的各栅格的n维局部特征向量的特定一维取最大值，作为所述中间块的中间块合并特征向量的相应一维。