CN104732229A - 一种用于宫颈涂片图像中重叠细胞的分割方法 - Google Patents

Abstract

本发明公开了一种用于宫颈涂片图像中重叠细胞的分割方法，通过以下步骤实现：(1)去除图像背景，提取前景对象，即重叠细胞组成的细胞团块；(2)分割出细胞核；(3)对细胞团块用均值漂移方法进行颜色分区，并用分水岭算法分割成子块；(4)搜索子块所有组合方式，用筛选条件进行过滤，符合条件的组合称为可能解；(5)对(4)得到的可能解，计算其能量泛函，选择函数值最小的为最优解。本发明以子块为单位选取最优可能解，缩小了解空间；提出了透光物体重叠部分的光照模型，对重叠子块判别提供了理论依据；设计的能量泛函综合细胞多种特征，据此选择的最优解据有合理性和有效性；提出的处理框架，可作为透光物体重叠区域分割的通用框架。

Description

一种用于宫颈涂片图像中重叠细胞的分割方法

技术领域

本发明涉及图像处理的研究领域，特别涉及一种用于宫颈涂片图像中重叠细胞的分割方法。

背景技术

宫颈癌近年来发病率呈上升趋势，且患者年龄趋于年轻化。宫颈癌的早期发现对降低死亡率具有重大意义。目前应用最广泛的宫颈涂片制片技术有液基薄层细胞学检查(Thinprep liquid-based cytologic test，TCT)和液基细胞学检查(liquid-based cytologictest,LCT)技术。目前大多数医院都采用人工阅片方式，效率低下，且容易受阅片人的主观因素影响，从而降低宫颈涂片筛查的准确率。采用计算机辅助诊断技术处理涂片，用机器阅片取代人工阅片，在提高效率的同时，也提升了准确率，对宫颈癌的筛查具有重大意义。

计算机辅助诊断技术处理涂片的关键步骤之一即涂片图像的分割。宫颈涂片图像中存在大量的重叠细胞，准确地进行图像分割很困难。虽然国内外学者对宫颈脱落细胞图像分割提出了很多方法，如阀值法、区域增长法、分水岭法、水平集方法、蛇模型方法等，但这些方法大多用于对单个细胞或多个但不重叠细胞的分割，而对重叠细胞的分割尚未取得满意的效果。Tao等的文章“AccurateSegmentation of Partially Overlapping Cervical Cells based on Dynamic SparseContour Searching and GVF Snake Model”(Journal of Biomedical and HealthInformatics,2014:2168-2194.)利用k-means算法提取细胞核和背景，然后采用基于分解的梯度增强算法增强细胞的真实边界并定位出弱边界点，最后用GVF蛇模型提取细胞轮廓，但是该算法一次只能从重叠细胞中提取一个细胞，且运行时间较长。Sulaiman等的文章“Overlapping cells separation method for cervicalcell images”(Proceedings of 10th International Conference on Intelligent SystemsDesign and Applications(ISDA),Nov.29,2010:1218-1222.)利用颜色信息和区域增长方法对重叠的宫颈细胞边缘进行检测，分割结果较为理想，但是该方法仅针对红蓝两种不同颜色的细胞重叠情况。Harandi等的文章“An automated methodfor segmentation of epithelialcervical cells in images of Thinprep”(Journal ofMedical Systems,2010,34(6):1043-1058.)用圆去模拟一个细胞区域，然后通过圆内细胞核的个数来确定该圆是否被分解，再用得到的圆作为几何活动轮廓模型的初始轮廓进行演化，最终使重叠细胞质分离。该分割方法不受颜色的影响，即使是同种颜色的细胞重叠，也能得到有效的分割结果，缺点是初始轮廓难以确定，且时间效率不高。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种用于宫颈涂片图像中重叠细胞的分割方法。

为了达到上述目的，本发明采用以下技术方案：

一种用于宫颈涂片图像中重叠细胞的分割方法，包括下述步骤：

(1)、去除图像背景，提取前景对象，即重叠细胞组成的细胞团块；

(2)、分割出细胞核，用图割法提取的细胞核区域；

(3)、对细胞团块用均值漂移方法进行颜色分区，并用分水岭算法分割成子块；

(4)、搜索子块所有组合方式，用筛选条件进行过滤，符合条件的组合称为可能解；

(5)、对步骤(4)得到的可能解，计算其能量泛函，选择函数值最小的为最优解。

优选的，所述步骤(1)中，提取前景对象的具体方法为：

将原始图像RGB彩色空间转换为Lab彩色空间，提取L分量并计算其直方图H，采用混合高斯法对直方图H进行拟合，因为背景像素的亮度值高于前景像素，所以获取拟合曲线横坐标L值最大的谷底，将此L分量值作为阈值T_L，用阈值法去除图像背景，得到重叠细胞团块。

优选的，所述步骤(3)中，采用分水岭算法的具体操作如下：

根据L分量获取形态学梯度，并用h变换对获取的形态学梯度进行处理，最后用分水岭算法对处理后的形态学梯度进行分割。

优选的，所述步骤(4)中，对所有组合进行筛选得到可能解的具体操作如下：

每一个子块都存在三种可能情况即：属于细胞1，属于细胞2和属于重叠区域，根据这三种可能情况对所有子块进行组合，并根据单个细胞联通性以及细胞存在重叠的事实设置筛选条件，对每一种组合方案进行过滤，过滤后组合方案为可能解。

优选的，组合方案进行过滤的具体方法为：

对存在的三种可能情况用mark函数进行标记，

$\mathrm{mark}\left(B\right)=\left\{\begin{array}{cc}1& \mathrm{if}(B\∈C_1)\\ 2& \mathrm{if}(B\∈C_2)\\ 3& \mathrm{if}(B\∈C_{\mathrm{op}})\end{array}\right.$

其中C₁代表细胞核N₁所在细胞的子块集合，C₂代表细胞核N₂所在细胞的子块集合，C_op代表重叠子块的集合，可以根据子块与两个细胞之间的距离先对有些子块确定标记，方法如下：

首先计算细胞核区域N₁和N₂之间的距离d_N，计算公式如下所示：

$d_N=\underset{i,j}{\min }\left\{\right||p_i^1-p_j^2|\left|\right|\∈p_i^1\∈N_1,p_j^2\∈N_2\}$

对于任意子块B∈W，计算其到N₁、N₂的距离差，计算方法如下所示：

$\mathrm{dif}=(\underset{i=1}{\overset{n_B}{\mathrm{\Σ}}}\left(\underset{j}{\min }\right\{\left|\right|p_i^B-p_j^1\left|\right|\left\}\right)/n_B-\left(\underset{i=1}{\overset{n_B}{\mathrm{\Σ}}}\left(\underset{k}{\min }\right\{\left|\right|p_l^B-p_k^2\left|\right|\left\}\right)\right)/n_B,$ 其中 $p_j^1\∈N_1,p_k^2\∈N_2,p_i^B,p_l^B\∈B$ 其中n_B是子块B的像素数，用分类器p对B进行分类，即判断B已属于N₁所在细胞，已属于N₂所在细胞，还是不能确定，

$p(B,d_N,\mathrm{dif})=\left\{\begin{array}{cc}B\&Element;C_1,& \mathrm{if}\left(\right(\mathrm{dif}>0)\&(\mathrm{dif}>d_N/2)\\ B\&Element;C_2,& \mathrm{if}\left(\right(\mathrm{dif}<0)\&\left(\right|\mathrm{dif}|>d_N/2)\\ B\&Element;C_3,& \mathrm{if}\left(\right|\mathrm{dif}|<d_N/2))\end{array}\right.$

其中C₃代表尚未确定属于N₁所在细胞还是细胞2的子块的集合，即不确定归属的子块组成的集合，分类器p的作用是把离N₁所在细胞相对较远的子块分配给N₂所在细胞，相反把离N₂所在细胞相对较远的子块分配给N₁所在细胞，其余子块为不确定归属的子块，若对C₃中的所有未确定归属的子块都给出标记，则所有块都给出了标记，那么这样的组合是一个细胞分割的解，把所有组合求出，并用以下条件进行过滤，满足以下所有条件的解定义为可能解；

条件1：集合C₁、C₂和C_op均非空；

条件2：集合C₁中所有子块的并为连通区域；

条件3：集合C₂中所有子块的并为连通区域；

条件4：集合C_op中所有子块的并为连通区域；

所有可能解，保存到解集合S＝{X_i}，其中X_i为通过条件过滤的解。

优选的，所述步骤(5)中，能量泛函计算公式如下：

$f\left(X\right)={\mathrm{\&omega;}}_1{e}^{M_{\mathrm{overlap}}}+{\mathrm{\&omega;}}_2{e}^{M_{\mathrm{color}}}+{\mathrm{\&omega;}}_3{e}^{M_{\mathrm{shape}}}+{\mathrm{\&omega;}}_4{e}^{M_{\mathrm{smooth}}}$

其中：M_overlap为重叠颜色测度，M_color为颜色均一性测度，M_shape为形状规则

性测度，M_smooth为轮廓光滑性测度，ω_i,i＝1,2,3,4为权重系数。

优选的，所述能量泛函中重叠颜色测度Moverlap具体操作如下：

根据光吸收的基本定律朗伯-比尔定律，导出重叠细胞吸光公式：

$I_3(x,y)=I_0{(x,y)}^{1-{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1}{I}_2{(x,y)}^{{\mathrm{\&alpha;}}_2}{I}_1{(x,y)}^{{\mathrm{\&alpha;}}_1}$

其中，I₀是入射光强度，I₁是光透过细胞1的透射光强度，I₂是光透过细胞2的透射光强度，I₃是光透过重叠区域的透射光强度的理论值,(x,y)是坐标，α₁和α₂是调节系数，计算细胞1和细胞2的RGB彩色空间中各个分量的平均值r₁、g₁、b₁、r₂、g₂、b₂，根据重叠细胞吸光公式计算出重叠细胞透射光各个颜色分量的理论平均值如果设定某子块为两个细胞的重叠区域，则计算这个重叠区域各个颜色分量的平均值r₃、g₃、b₃，定义重叠区域实际颜色与理论颜色在各个颜色分量上的距离：

$\left\{\begin{array}{c}{d}_{\mathrm{Rop}}=|{\hat{r}}_3-r_3|/\min \left(\right|r_3-r_1|,|r_3-r_2\left|\right)\\ d_{\mathrm{Gop}}=|{\hat{g}}_3-g_3|/\min \left(\right|g_3-g_1|,|g_3-g_2\left|\right)\\ d_{\mathrm{Bop}}=|{\hat{b}}_3-b_3|/\min \left(\right|b_3-b_1|,|b_3-b_2\left|\right)\end{array}\right.$

定义重叠颜色测度：M_overlap＝(d_Rop+d_Gop+d_Bop)/3。

优选的，所述能量泛函中颜色均一性测度Mcolor具体操作如下：

计算细胞1和细胞2的非重叠区域分别在R、G、B三个颜色分量的均方差，最后计算六者之和定义为M_color。

优选的，所述能量泛函中形状规则性测度Mshape计算公式如下：

M_shape＝rff₁+rff₂

其中i＝1,2，s_i，c_i为第i个细胞的面积和周长，a_i和b_i为第i个细胞的类椭圆的长轴和短轴，第i个细胞的类椭圆即为与细胞区域具有相同标准二阶中心矩的椭圆。

优选的，所述能量泛函中轮廓光滑性测度Msmooth计算公式如下：

M_smooth＝D₁+D₂

其中D₁和D₂用分形公式进行计算：D_i＝2lg(c_i)/(T+lg(s_i))，i＝1,2,其中T为常量。

本发明的原理为：

本发明先采用均值漂移技术对图像进行颜色分区，即区分出颜色差异较大的区域，再用分水岭算法分割出多个细胞质子块(以下简称子块)，子块内的颜色具有同一性，子块与子块之间的颜色具有明显区分度。这些子块可分成两类，一类是细胞的重叠子块，另一类是非重叠子块。对所有子块进行分类，每种可能的组合都对应分割算法的一个可能结果。对所有组合，设计筛选条件进行过滤，去除不合理的组合，得到可能解集合。设计能量泛函，计算可能解的能量泛函，函数值最小的解作为最终结果。该方法对重叠细胞的分割取得了很好的效果。

本发明与现有技术相比，具有如下优点和有益效果：

(1)、先对图像进行粗分割，分离出一些同质的细胞质子块，以子块为单位选取最优可能解，缩小了解空间，简化了寻优步骤，减少了计算量；

(2)、提出了透光物体重叠部分的光照模型，并通过光照模型导出了重叠颜色测度计算公式，并将其应用于能量泛函的计算，与已有宫颈细胞分割算法相比，提供了重叠子块判别的理论依据；

(3)、提出了能量泛函计算公式，此公式综合了每个可能解中两个细胞的重叠色、颜色均一性、形状规则性、轮廓光滑性等特征，根据此能量泛函选择出的最优解据有合理性和有效性。

(4)本发明提出的整个处理框架，可以作为透光物体重叠区域分割的通用框架，根据具体的使用领域，对其选择合适的滤波、分割算法以及能量泛函计算公式，进行实现。

附图说明

图1为本发明公开的宫颈涂片图像中重叠细胞分割方法主要步骤的整体流程图。

图2为本发明的分割方法中前景对象提取的详细操作流程图。

图3为本发明的分割方法中细胞质分块的详细操作流程图。

图4为本发明分割方法中计算能量泛函的详细操作流程图。

图5为本发明分割方法中重叠细胞的透光示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

本发明的流程示意图如图1所示，其中包括了主要关键处理模块：101为前景对象提取模块，102为细胞质分块模块，103为计算能量泛函模块。具体技术方案是：先提取前景对象，并对前景对象进行颜色分区，然后用分水岭算法对细胞质进行分块。搜索细胞质子块所有组合方式，用筛选条件对组合方式过滤，每一种满足条件的组合方式都是一个可能解，获取可能解集合。计算可能解集合中每一个可能解的能量泛函，并选择最小函数值所对应的可能解为最优解。具体包括如下主要技术要点，

1、前景对象提取，前景对象提取的工作原理如图2所示；

首先将原图像的RGB彩色空间转换为Lab彩色空间。提取L分量，计算L分量中像素的直方图H＝{h_i|i＝0,1,..255}，h_i,表示L分量中亮度值等于x的像素数量。采用混合高斯模型对直方图H的元素分布进行曲线拟合。本发明选择的混合高斯模型函数具有三个高斯核，混合高斯模型函数表达式如下所示：

$f\left(x\right)=\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}{a}_i{e}^{-{((x-b_i)/c_i)}^2}$

用最小二乘法获得f(x)的参数a_i，b_i，c_i，i＝1,2,3。通过差分法计算出f(x)在[0,255]范围内形成的拟合曲线的L分量值最大的谷底。因为该类图像的背景比前景亮度大，因此需要找到L分量值最大的谷底。

计算步骤为，首先获取集合F＝{f(i)|i＝0,1,..255}；

求取差分集合△F＝{x_i＝f(i+1)-f(i)|i＝0,1,...,254}；

根据函数的单调性，对△F从x₂₅₄到x₀搜索由正到负的过零点，将第一个过零点作为阀值T_L,L分量大于或等于T_L的像素为背景像素，小于T_L的为前景像素。这一步骤完成后得到重叠细胞组成的细胞团块。

2、细胞核分割；

本发明使用文献“Segmentation of cytoplasm and nuclei of abnormal cells incervical cytology using global and local graph cuts”(Computerized Medical Imagingand Graphics，2014年第38期第5卷369-380页，作者，Ling Zhang等)中的图割法提取细胞团块中的细胞核。本专利中用图割法提取的细胞核区域N₁、N₂，即，N₁由细胞核1内部的点组成，N₂由细胞核2内部的点组成。

3、细胞质分块；

本发明使用文献“Mean shift:a robust approach toward feature space analysis”IEEE transactions on pattern analysis and machine intelligence，2002年第24期第5卷603-609页，作者，DorinComaniciu等)中的均值漂移算法对提取的前景图像进行滤波，得到前景图像I。如图3所示，该算法基本思想是，通过反复迭代搜索特征空间中样本点最密集的区域。在本专利中用均值漂移算法对细胞团块进行滤波，可将细胞团块中具有相似颜色的临近像素进行聚集，实现细胞团块颜色分区的目的。由于细胞质重叠区域中的像素通常具有很高的颜色相似度，并和细胞质非重叠区域具有明显的颜色区分，因此用均值漂移算法处理，可将重叠区域中的像素和非重叠区域中的像素分配到不同的颜色区域中，简化了后续步骤的处理。

本发明用“New Methods for Image De-noising and Edge Enhancement inCervical Smear Images Segmentation“(International Journal of Computer,Consumer and Control，2013年第1期第2卷2304-2516页，作者，Chuin-Mu Wang等)中的修剪均值滤波器去除图像I的高斯噪声。计算图像Lab空间L分量的形态学梯度G＝D(L)-E(L)，其中D为形态学膨胀操作，E为形态学腐蚀操作。对G进行h变换即G＝h(G,κ)，其中κ为变换参数。本专利中设定κ＝1.1。采用分水岭算法对G进行分割，提取分割后每一个细胞质子块，并保存到集合W中。

4、搜索可能解；

对子块集W中的所有子块，若能指定每个子块的归属，即属于细胞1、属于细胞2或同属于两个细胞(即两个细胞的重叠部分)，则得到一个组合，此组合即是一种分割结果。用过滤器对所有组合进行过滤，则得到可能解的集合。为此，对存在的三种可能情况用mark函数进行标记，

$\mathrm{mark}\left(B\right)=\left\{\begin{array}{cc}1& \mathrm{if}(B\&Element;C_1)\\ 2& \mathrm{if}(B\&Element;C_2)\\ 3& \mathrm{if}(B\&Element;C_{\mathrm{op}})\end{array}\right.$

其中C₁代表细胞核N₁所在细胞(简称为细胞1)的子块集合，C₂代表细胞核N₂所在细胞(简称为细胞2)的子块集合，C_op代表重叠子块的集合。可以根据子块与两个细胞之间的距离先对有些子块确定标记。方法如下。

首先计算细胞核区域N₁和N₂之间的距离d_N，计算公式如下所示：

$d_N=\underset{i,j}{\min }\left\{\right||p_i^1-p_j^2|\left|\right|\&Element;p_i^1\&Element;N_1,p_j^2\&Element;N_2\}$

对于任意子块B∈W，计算其到N₁、N₂的距离差，计算方法如下所示：

$\mathrm{dif}=(\underset{i=1}{\overset{n_B}{\mathrm{\&Sigma;}}}\left(\underset{j}{\min }\right\{\left|\right|p_i^B-p_j^1\left|\right|\left\}\right)/n_B-\left(\underset{i=1}{\overset{n_B}{\mathrm{\&Sigma;}}}\left(\underset{k}{\min }\right\{\left|\right|p_l^B-p_k^2\left|\right|\left\}\right)\right)/n_B,$ 其中 $p_j^1\&Element;N_1,p_k^2\&Element;N_2,p_i^B,p_l^B\&Element;B$

其中n_B是子块B的像素数。用分类器p对B进行分类，即判断B已属于细胞1，已属于细胞2，还是不能确定。

$p(B,d_N,\mathrm{dif})=\left\{\begin{array}{cc}B\&Element;C_1,& \mathrm{if}\left(\right(\mathrm{dif}>0)\&(\mathrm{dif}>d_N/2)\\ B\&Element;C_2,& \mathrm{if}\left(\right(\mathrm{dif}<0)\&\left(\right|\mathrm{dif}|>d_N/2)\\ B\&Element;C_3,& \mathrm{if}\left(\right|\mathrm{dif}|<d_N/2))\end{array}\right.$

其中C₃代表尚未确定属于细胞1还是细胞2的子块的集合，即不确定归属的子块组成的集合。分类器p的作用是把离细胞1相对较远的子块分配给细胞2，相反把离细胞2相对较远的子块分配给细胞1，其余子块为不确定归属的子块。若对C₃中的所有未确定归属的子块都给出标记，则所有块都给出了标记，那么这样的组合是一个细胞分割的解。把所有组合求出，并用以下条件进行过滤，满足以下所有条件的解定义为可能解。

条件1:集合C₁、C₂和C_op均非空；

条件2：集合C₁中所有子块的并为连通区域；

条件3：集合C₂中所有子块的并为连通区域。

条件4：集合C_op中所有子块的并为连通区域。

所有可能解，保存到解集合S＝{X_i}，其中X_i为通过条件过滤的解。

5.计算能量泛函，求出最优解，如图4所示，具体步骤如下：

(1)计算重叠颜色测度

根据光吸收的基本定律朗伯-比尔定律，假设一束强度为I₀的平行单色光(入射光)垂直照射于一块各向同性的均匀吸收介质表面，在通过厚度为L的吸收层(光程)后，由于吸收层中质点对光的吸收，入射光的强度降低至I_T，称为透射光强度。则有：log(I₀/I_T)＝εγτ。其中I₀和I_T分别为入射光及通过样品后的透射光强度；log(I₀/I_T)称为吸光度；γ为样品浓度；L为吸光介质的厚度；ε为光被吸收的比例系数。

根据光吸收的基本定律，可以对图5所示的光照模型建模，得到如下重叠细胞吸光公式：

$\left\{\begin{array}{c}{I}_0(x,y)=I_1(x,y)e^{{\mathrm{\&epsiv;}}_1{\mathrm{\&gamma;}}_1(x,y)L_1(x,y)}\\ I_0=(x,y)=I_2(x,y)e^{{\mathrm{\&epsiv;}}_2{\mathrm{\&gamma;}}_2(x,y)L_2(x,y)}\\ I_0=(x,y)={\tilde{I}}_2(x,y)e^{{\mathrm{\&epsiv;}}_2{\mathrm{\&gamma;}}_2(x,y)L_2(x,y){\mathrm{\&alpha;}}_2}\\ {\tilde{I}}_2(x,y)=I_3(x,y)e^{{\mathrm{\&epsiv;}}_1{\mathrm{\&gamma;}}_1(x,y)L_1(x,y){\mathrm{\&alpha;}}_1}\end{array}\right.$

其中，I₀为入射光，I₁为只经过细胞1吸光后的透射光，I₂为只经过细胞2吸光后的透射光，为在重叠部分I₀经过细胞2吸光后的透射光，I₃为重叠部分经过细胞2吸光，再经过细胞1吸光后的得到的透射光。从上述四个公式可导出如下公式：

$I_3(x,y)=I_0{(x,y)}^{1-{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1}{I}_2{(x,y)}^{{\mathrm{\&alpha;}}_2}{I}_1{(x,y)}^{{\mathrm{\&alpha;}}_1}$

α₁和α₂为调节系数，可取0.5附近，本专利中取经验值：α₁＝0.46,α₂＝0.54。根据子块集合C₁和C₂获取细胞1和细胞2的各个分量的平均值r₁、g₁、b₁、r₂、g₂、b₂，根据重叠细胞吸光公式计算出重叠细胞透射光的理论平均值计算出C_op中的所有子块各个颜色分量的平均值r₃、g₃、b₃。

分别计算重叠色R、G、B分量距离：

$\left\{\begin{array}{c}{d}_{\mathrm{Rop}}=|{\hat{r}}_3-r_3|/\min \left(\right|r_3-r_1|,|r_3-r_2\left|\right)\\ d_{\mathrm{Gop}}=|{\hat{g}}_3-g_3|/\min \left(\right|g_3-g_1|,|g_3-g_2\left|\right)\\ d_{\mathrm{Bop}}=|{\hat{b}}_3-b_3|/\min \left(\right|b_3-b_1|,|b_3-b_2\left|\right)\end{array}\right.$

重叠色颜色测度定义为：M_overlap＝(d_Rop+d_Gop+d_Bop)/3。

(2)计算颜色均一性测度

根据子块集合C₁和C₂获取细胞1和细胞2所对应的RGB中各个颜色分量的均方差之和。统计每一个颜色分量中元素的分布集合H＝{h₀,h₁,…,h₂₅₅}，h_x表示分量中像素值等于x的像素数量。H集合进行归一化得到：其中M为图像的像素总数。定义：

$\stackrel{\&OverBar;}{c_l}=\underset{i=0}{\overset{255}{\mathrm{\&Sigma;}}}i\&CenterDot;h_i^p$

$v_l^k=\underset{i=0}{\overset{255}{\mathrm{\&Sigma;}}}{(i-\stackrel{\&OverBar;}{c_l})}^2{h}_i^p$

其中，k＝1,2,表示对细胞1和细胞2分别计算，l＝R,G,B，表示对三个颜色分量分别计算。为每个颜色分量的平均值。细胞质颜色均一性测度定义为：

$M_{\mathrm{color}}=\underset{k}{\mathrm{\&Sigma;}}\underset{l}{\mathrm{\&Sigma;}}{v}_l^k.$

(3)计算形状规则性测度

能量泛函中形状规则性测度M_shape计算公式如下：

M_shape＝rff₁+rff₂

其中i＝1,2(此公式引自“规化形状因子新概念及测算方法研究”，中国体视学与图像分析，1997年9月，第2卷，第3期，129-134页)。s_i，c_i为第i个细胞的面积和周长，a_i和b_i为第i个细胞的类椭圆(与细胞区域具有相同标准二阶中心矩的椭圆)的长轴和短轴。

(4)计算轮廓光滑性测度；

根据分型公式：D_i＝(2lg(c_i)/(T+lg(s_i))),其中i＝1,2，T为常量，计算细胞1和细胞2的分型维数之和，定义为轮廓光滑性测度：M_smooth＝D₁+D₂。

(5)计算能量泛函；

对解集合S中每一个可能解X，计算其重叠颜色测度、颜色均一性测度、形状规则性测度、轮廓光滑性测度，并把各种测度值进行归一化，再用如下公式计算能量泛函：

$f\left(X\right)={\mathrm{\&omega;}}_1{e}^{M_{\mathrm{overlap}}}+{\mathrm{\&omega;}}_2{e}^{M_{\mathrm{color}}}+{\mathrm{\&omega;}}_3{e}^{M_{\mathrm{shape}}}+{\mathrm{\&omega;}}_4{e}^{M_{\mathrm{smooth}}}$

其中ω₁、ω₂、ω₃、ω₄为权重，在本专利中具体实施方案，经实验发现分别设为0.39、0.19、0.19、0.23具有较好的实验效果。

(6)求出最优解；根据能量泛函f(X)选择解集合S中具有最小函数值的可能解作为最优解。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，包括下述步骤：

(1)、去除图像背景，提取前景对象，即重叠细胞组成的细胞团块；

(2)、分割出细胞核，用图割法提取的细胞核区域；

(3)、对细胞团块用均值漂移方法进行颜色分区，并用分水岭算法分割成子块；

(4)、搜索子块所有组合方式，用筛选条件进行过滤，符合条件的组合称为可能解；

(5)、对步骤(4)得到的可能解，计算其能量泛函，选择函数值最小的为最优解。

2.根据权利要求1所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，所述步骤(1)中，提取前景对象的具体方法为：

将原始图像RGB彩色空间转换为Lab彩色空间，提取L分量并计算其直方图H，采用混合高斯法对直方图H进行拟合，因为背景像素的亮度值高于前景像素，所以获取拟合曲线横坐标L值最大的谷底，将此L分量值作为阈值T_L，用阈值法去除图像背景，得到重叠细胞团块。

3.根据权利要求1所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，所述步骤(3)中，采用分水岭算法的具体操作如下：

根据L分量获取形态学梯度，并用h变换对获取的形态学梯度进行处理，最后用分水岭算法对处理后的形态学梯度进行分割。

4.根据权利要求1所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，所述步骤(4)中，对所有组合进行筛选得到可能解的具体操作如下：

每一个子块都存在三种可能情况即：属于细胞1，属于细胞2和属于重叠区域，根据这三种可能情况对所有子块进行组合，并根据单个细胞联通性以及细胞存在重叠的事实设置筛选条件，对每一种组合方案进行过滤，过滤后组合方案为可能解。

5.根据权利要求4所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，组合方案进行过滤的具体方法为：

对存在的三种可能情况用mark函数进行标记，

$\mathrm{mark}\left(B\right)\text{=}\left\{\begin{array}{cc}1& \mathrm{if}(B\&Element;C_1)\\ 2& \mathrm{if}(B\&Element;C_2)\\ 3& \mathrm{if}(B\&Element;C_{\mathrm{op}})\end{array}\right.$

其中C₁代表细胞核N₁所在细胞的子块集合，C₂代表细胞核N₂所在细胞的子块集合，C_op代表重叠子块的集合，可以根据子块与两个细胞之间的距离先对有些子块确定标记，方法如下：

首先计算细胞核区域N₁和N₂之间的距离d_N，计算公式如下所示：

$d_N=\underset{i,j}{\min }\left\{\right||p_i^1-p_j^2|\left|\right|p_i^1\&Element;N_1,p_j^2\&Element;N_2\}$

对于任意子块B∈W，计算其到N₁、N₂的距离差，计算方法如下所示：

$\mathrm{dif}=(\underset{i=1}{\overset{n_B}{\mathrm{\&Sigma;}}}\left(\underset{j}{\min }\right\{\left|\right|p_i^B-p_j^1\left|\right|\left\}\right)/n_B-\left(\underset{i=1}{\overset{n_B}{\mathrm{\&Sigma;}}}\left(\underset{k}{\min }\right\{\left|\right|p_l^B-p_k^2\left|\right|\left\}\right)\right)/n_B,$ 其中 $p_j^1\&Element;N_1,p_k^2\&Element;N_2,p_i^B,p_l^B\&Element;B$

其中n_B是子块B的像素数，用分类器p对B进行分类，即判断B已属于N₁所在细胞，已属于N₂所在细胞，还是不能确定，

其中C₃代表尚未确定属于N₁所在细胞还是细胞2的子块的集合，即不确定归属的子块组成的集合，分类器p的作用是把离N₁所在细胞相对较远的子块分配给N₂所在细胞，相反把离N₂所在细胞相对较远的子块分配给N₁所在细胞，其余子块为不确定归属的子块，若对C₃中的所有未确定归属的子块都给出标记，则所有块都给出了标记，那么这样的组合是一个细胞分割的解，把所有组合求出，并用以下条件进行过滤，满足以下所有条件的解定义为可能解；

条件1：集合C₁、C₂和C_op均非空；

条件2：集合C₁中所有子块的并为连通区域；

条件3：集合C₂中所有子块的并为连通区域；

条件4：集合C_op中所有子块的并为连通区域；

所有可能解，保存到解集合S＝{X_i}，其中X_i为通过条件过滤的解。

6.根据权利要求1所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，所述步骤(5)中，能量泛函计算公式如下：

$f\left(X\right)={\mathrm{\&omega;}}_1{e}^{M_{\mathrm{overlap}}}+{\mathrm{\&omega;}}_2{e}^{M_{\mathrm{color}}}+{\mathrm{\&omega;}}_3{e}^{M_{\mathrm{shape}}}+{\mathrm{\&omega;}}_4{e}^{M_{\mathrm{smooth}}}$

其中：M_overlap为重叠颜色测度，M_color为颜色均一性测度，M_shape为形状规则

性测度，M_smooth为轮廓光滑性测度，ω_i,i＝1,2,3,4为权重系数。

7.根据权利要求5所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，所述能量泛函中重叠颜色测度Moverlap具体操作如下：

根据光吸收的基本定律朗伯-比尔定律，导出重叠细胞吸光公式：

$I_3(x,y)=I_0{(x,y)}^{1-{\mathrm{\&alpha;}}_2-{\mathrm{\&alpha;}}_1}{I}_2{(x,y)}^{{\mathrm{\&alpha;}}_2}{I}_1{(x,y)}^{{\mathrm{\&alpha;}}_1}$

其中，I₀是入射光强度，I₁是光透过细胞1的透射光强度，I₂是光透过细胞2的透射光强度，I₃是光透过重叠区域的透射光强度的理论值,(x,y)是坐标，α₁和α₂是调节系数，计算细胞1和细胞2的RGB彩色空间中各个分量的平均值r₁、g₁、b₁、r₂、g₂、b₂，根据重叠细胞吸光公式计算出重叠细胞透射光各个颜色分量的理论平均值如果设定某子块为两个细胞的重叠区域，则计算这个重叠区域各个颜色分量的平均值r₃、g₃、b₃，定义重叠区域实际颜色与理论颜色在各个颜色分量上的距离：

$\left\{\begin{array}{c}{d}_{\mathrm{Rop}}=|{\hat{r}}_3-r_3|/\min \left(\right|r_3-r_1|,|r_3-r_2\left|\right)\\ d_{\mathrm{Gop}}=|{\hat{g}}_3-g_3|/min\left(\right|g_3-g_1|,|g_3-g_2\left|\right)\\ d_{\mathrm{Bop}}=|{\hat{b}}_3-b_3|/min\left(\right|b_3-b_1|,|b_3-b_2\left|\right)\end{array}\right.$

定义重叠颜色测度：M_overlap＝(d_Rop+d_Gop+d_Bop)/3。

8.根据权利要求5所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，所述能量泛函中颜色均一性测度Mcolor具体操作如下：

计算细胞1和细胞2的非重叠区域分别在R、G、B三个颜色分量的均方差，最后计算六者之和定义为M_color。

9.根据权利要求5所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，所述能量泛函中形状规则性测度Mshape计算公式如下：

M_shape＝rff₁+rff₂

其中i＝1,2，s_i，c_i为第i个细胞的面积和周长，a_i和b_i为第i个细胞的类椭圆的长轴和短轴，第i个细胞的类椭圆即为与细胞区域具有相同标准二阶中心矩的椭圆。

10.根据权利要求5所述的用于宫颈涂片图像中重叠细胞的分割方法，其特征在于，所述能量泛函中轮廓光滑性测度Msmooth计算公式如下：

M_smooth＝D₁+D₂

其中D₁和D₂用分形公式进行计算：D_i＝2lg(c_i)/(T+lg(s_i))，i＝1,2,其中T为常量。