[发明专利]一种全切片图像的无参考清晰度评估方法及系统

说明书

本发明提供了一种全切片图像的无参考清晰度评估方法及系统，采用金字塔多层数据结构存储数字图像，将金字塔多层数据结构的各层图像平均分割为若干图像块；通过大津阈值分割法在图像块的梯度幅度直方图中划分出强边缘，由强边缘的梯度最大值和宽度计算得到强边缘强度，并利用背景复杂度对强边缘强度进行修正，确定单个图像块的清晰度；设定清晰度的标准值，判定当前图像块是清晰图像还是模糊图像；根据各层清晰图像块所占比例，最终确定各层图像是否为清晰图像。本发明避免了图像内容差异性导致的图像清晰度得分差异性，修正了图像背景复杂度对图像清晰度的影响，实现了对部分清晰部分模糊图像的有效鉴别。

技术领域

本发明涉及数字图像处理技术领域，具体地，涉及一种全切片图像的无参考清晰度评估方法及系统。

背景技术

随着信息化技术的发展，数字化全切片病理图像已在临床诊断、病理学研究领域广泛应用。由于切片制作、显微扫描过程存在各种不确定因素，容易造成病理切片的成像质量下降。图像清晰度下降不但直接影响病理切片的诊断质量，而且无法作为重要样本用于数据挖掘等智能诊断研究。因此，快速有效的数字病理图像清晰度评估方法对于数字病理的发展至关重要。

根据对参考图像的依赖程度，图像清晰度的客观评估方法可以分为全参考方法和无参考方法。全参考图像清晰度评估方法考察待测图像与参考图像的清晰度差异，其评价准确率往往高于其他客观图像清晰度评估方法，算法实现难度也相对较低，但是全参考方法的数据量和计算量也远高于其他方法。无参考图像清晰度评估方法不需要原始图像作为参考，虽然准确性较全参考方法可能有所下降，但是它的计算效率更高，应用也更加广泛。目前，数字病理图像清晰度评估方法在实际应用中普遍存在以下不足：1)、清晰度严重受图像内容影响，同等清晰度下，内容复杂的图像比内容简单的图像得分明显偏高；2)、部分清晰部分模糊的图像得分与全清晰图像非常接近。这些问题使现有的清晰度评估方法不适用普遍的清晰度评估。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种全切片图像的无参考清晰度评估方法及系统，实现高效率病理图像质量评估，以满足临床诊断、病理学研究对可靠病理数据源的迫切需求。

根据本发明提供的全切片图像的无参考清晰度评估方法，包括：采用金字塔多层数据结构存储数字图像，将金字塔多层数据结构的各层图像平均分割为若干图像块；通过大津阈值分割法在图像块的梯度幅度直方图中划分出强边缘，由强边缘的梯度最大值和宽度计算得到强边缘强度，并利用背景复杂度对强边缘强度进行修正，确定单个图像块的清晰度；设定清晰度的标准值，判定当前图像块是清晰图像还是模糊图像；根据各层清晰图像块所占比例，最终确定各层图像是否为清晰图像。

优选的，全切片图像的无参考清晰度评估方法具体包括步骤：

金字塔多层数据结构构建步骤：由高倍物镜扫描图像，将图像按金字塔多层数据结构存储，各层对应不同图像放大倍数，各层平均分割为若干长宽一致的图像块，针对某层图像，将当前图像块转换为灰度图像，并用高斯滤波器进行滤波；

清晰度初始值计算步骤：使用水平和竖直方向的索贝尔滤波器分别对当前灰度图像进行滤波，得到水平和竖直方向的梯度幅度，在此基础上计算总的梯度幅度和梯度方向；根据大津阈值分割法在梯度幅度直方图中确定边缘梯度幅度阈值，边缘梯度幅度大于阈值为强边缘；计算获得各段强边缘强度，对多段强边缘强度进行加强平均，获得当前图像块的强边缘强度，并作为当前图像块的清晰度初始值；

清晰度计算步骤：将图像块的梯度幅度中低于边缘梯度幅度阈值的区域看作背景图像，对其对应的梯度幅度做加权平均得到背景复杂度；计算获得当前图像块的所述背景复杂度修正值，乘以所述清晰度初始值，获得当前图像块的清晰度；

判断步骤：重复清晰度初始值计算步骤以及清晰度计算步骤，计算所有图像块的清晰度，设定清晰度标准值，判断当前图像块是清晰图像块还是模糊图像块，根据清晰图像块的占比确定各层图像是否为清晰图像。

优选的，所述计算获得各段强边缘强度包括：