CN108090891B - 一种检测遗漏细胞区域与新增细胞区域的方法及系统 - Google Patents

Abstract

本发明公开了一种检测遗漏细胞区域与新增细胞区域的方法及系统，用以解决现有技术不能准确地检测遗漏目标与新增目标的问题。该方法包括：S1、利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息；S2、通过帧间关联的方式确定当前帧的细胞主要信息；S3、基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域；S4、通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。本发明利用细胞最大覆盖区域与细胞凸集近似区域，并运用一系列形态学操作准确检测遗漏目标与新增目标的区域范围。

Description

一种检测遗漏细胞区域与新增细胞区域的方法及系统

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种检测遗漏细胞区域与新增细胞区域的方法及系统。

背景技术

细胞运动的研究一直是细胞学和生物学研究的重要组成部分，但是传统的研究方法在技术日益革新的现在已经渐渐变得不这么适用了，传统的在显微镜下利用细胞计数板用人眼进行染色、分类、计数、跟踪等这类不但需要大量繁琐的人为操作而且容易使得操作者变得疲劳从而影响结果的正确性，且其可重用性比较低。

国内外的医学专家经过长期地实践与研究取得一致共识认为应该在细胞运动研究中引入数字视频技术和数字图像处理技术，从而极大地提高研究效率，减轻研究人员负担。用计算机来跟踪细胞运动，部分代替人类始终盯着显微镜来观察细胞的眼睛，尽量地把人从繁重的重复劳动中解脱出来进行更有创造性的工作。

因此，如何利用计算机图像处理、视频分析等相关技术手段来提高生物研究过程中的自动化程度已成为当前急需解决的非常有意义的难题。

当前，常用的目标检测与识别算法，可以在确定目标大致位置之后，提取区域内部的特征，再采用适当的分类器对检测区域进行识别与分类。多数目标检测与识别算法的实现都是依赖于提取的高维度特征与不同的训练算法。在检测时，这些算法多采用矩形框，且将矩形框覆盖的大致区域作为表征目标的检测结果。虽然，其检测结果可以覆盖目标，但并不是在所有情况下都可以通过外接矩形框的方式定义目标区域。矩形框内目标占整个矩形框区域的比例有时非常小，那么提取的特征就不是非常准确，不利于应用目标识别与分类等后续算法。

公开号为CN103559724A的专利提供了一种高粘连度细胞环境下的多细胞同步跟踪方法。细胞序列图像中，多细胞的分割和同步跟踪是一个尚未解决的难题，尤其在高粘连度情况下多细胞检测与分割，更加迫切需要解决。该发明首先提出了一种改进的基于分水岭和多特征匹配的分割算法实现细胞分割，然后，建立适用于卡尔曼滤波的运动模型并加入多特征匹配实现细胞的预测和跟踪。该发明不能很好地处理细胞核粘连情况与独立情况的分析。

发明内容

本发明要解决的技术问题目的在于提供一种检测遗漏细胞区域与新增细胞区域的方法及系统，用以解决现有技术不能准确地检测遗漏目标与新增目标的问题。

为了实现上述目的，本发明采用的技术方案为：

一种检测遗漏细胞区域与新增细胞区域的方法，包括步骤：

S1、利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息；

S2、通过帧间关联的方式确定当前帧的细胞主要信息；

S3、基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域；

S4、通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。

进一步地，步骤S1具体包括：

通过相差显微镜成像系统，获取所述相差显微镜细胞图像；

基于相差显微镜细胞图像的灰度与梯度分布信息以及一系列形态学操作方法构建细胞最大覆盖区域；

采用多类别最大类间方差算法得出所述相差显微镜细胞图像的深暗区域、高亮区域及高亮区域内的封闭区域；

定义深暗区域为细胞主要信息，高亮区域为细胞次要信息，封闭区域为细胞中间信息。

进一步地，步骤S2具体包括：

通过帧间关联的方式确定当前帧的细胞主要信息；

帧间关联的方式包括通过本地覆盖检测，即假设细胞未进行剧烈的移动，以及基于光流算法的覆盖检测，称为光流覆盖检测，即假设细胞存在一定的距离移动；

两种区域块帧间覆盖检测方法存在一定的互补作用，即本地覆盖检测的结果中存在未被光流覆盖检测的结果，光流覆盖检测的结果中存在未被本地覆盖检测的结果。

进一步地，步骤S3具体包括：

基于细胞主要信息，采用本地覆盖检测对所述细胞中间信息进行检测；

判断所述细胞主要信息是否具有可扩展的中间信息，若无，保持所述细胞主要信息不变；否则，有序地进行扩展；

获得各细胞主要信息或中间信息的凸集近似区域。

进一步地，步骤S4具体包括：

针对已获得的凸集近似区域进行形态学膨胀操作，并且与已构建的细胞最大覆盖区域进行异或操作，得到剩余的二值区域结果；

再通过形态学开闭操作，得到标识新增目标与遗漏目标的待解析区域；

针对待解析区域，分析并构建遗漏细胞与新增细胞的主要信息及中间信息。

一种检测遗漏细胞区域与新增细胞区域的系统，包括：

构建模块，用于利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息；

关联模块，用于通过帧间关联的方式确定当前帧的细胞主要信息；

添加模块，用于基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域；

检测模块，用于通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。

进一步地，所述构建模块具体包括：

图像获取单元，用于通过相差显微镜成像系统，获取所述相差显微镜细胞图像；

区域构建单元，用于基于相差显微镜细胞图像的灰度与梯度分布信息以及一系列形态学操作方法构建细胞最大覆盖区域；

信息区分单元，用于采用多类别最大类间方差算法得出所述相差显微镜细胞图像的深暗区域、高亮区域及高亮区域内的封闭区域；

信息构建单元，用于定义深暗区域为细胞主要信息，高亮区域为细胞次要信息，封闭区域为细胞中间信息。

进一步地，所述关联模块具体包括：

用于通过帧间关联的方式确定当前帧的细胞主要信息；

帧间关联的方式包括通过本地覆盖检测，即假设细胞未进行剧烈的移动，以及基于光流算法的覆盖检测，称为光流覆盖检测，即假设细胞存在一定的距离移动；

两种区域块帧间覆盖检测方法存在一定的互补作用，即本地覆盖检测的结果中存在未被光流覆盖检测的结果，光流覆盖检测的结果中存在未被本地覆盖检测的结果。

进一步地，所述添加模块具体包括：

检测单元，用于采用所述本地覆盖检测方法与光流覆盖检测方法对下一帧中所述细胞主要信息进行检测；

判断单元，用于判断所述细胞主要信息是否具有可扩展的中间信息，若无，保持所述细胞主要信息不变；否则，有序地进行扩展；

凸集单元，用于获得各细胞主要信息或中间信息的凸集近似区域。

进一步地，所述检测模块具体包括：

形态学膨胀单元，用于针对已获得的凸集近似区域进行形态学膨胀操作，并且与已构建的细胞最大覆盖区域进行异或操作，得到剩余的二值区域结果；

形态学开闭单元，用于再通过形态学开闭操作，得到标识新增目标与遗漏目标的待解析区域；

区域分析单元，用于分析并构建遗漏细胞与新增细胞的主要信息及中间信息。

本发明与传统的技术相比，有如下优点：

本发明利用细胞最大覆盖区域与细胞凸集近似区域，并运用一系列形态学操作准确检测遗漏目标与新增目标的区域范围。

附图说明

图1是实施例一提供的一种检测遗漏细胞区域与新增细胞区域的方法流程图；

图2是实施例一提供的PCM_0001和PCM_0002原图及多类别最大类间方差结果图；

图3是实施例一提供的PCM_0001与PCM_0002的灰度层级结构信息图；

图4是实施例一提供的PCM_0001与PCM_0002的最大细胞覆盖区域图；

图5是实施例一提供的通过帧间关联得到的主要信息检测结果及凸集近似区域；

图6是实施例一提供的基于细胞最大覆盖区域检测遗漏与新增细胞区域的过程；

图7是实施例二提供的一种检测遗漏细胞区域与新增细胞区域的系统结构图。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

实施例一

本实施例提供了一种检测遗漏细胞区域与新增细胞区域的方法，如图1所示，包括步骤：

S11：利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息；

S12：通过帧间关联的方式确定当前帧的细胞主要信息；

S13：基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域；

S14：通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。

本实施例首先先定义相差显微镜细胞图像的具有不同重要性的层级结构信息，即细胞主要信息、细胞中间信息及细胞次要信息，并构建细胞最大覆盖区域。接着，基于上一帧图像中已检测的信息，通过帧间关联方法确定当前帧的细胞主要信息。然后，基于已检测到的细胞主要信息合理地添加融合细胞中间信息。最后，基于已检测到的细胞信息，利用一系列形态学操作获得表示新增目标区域与遗漏目标区域的待解析区域。

本实施例中，步骤S11为利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息。

其中，步骤S11具体包括步骤：

通过相差显微镜成像系统，获取所述相差显微镜细胞图像；

基于相差显微镜细胞图像的灰度与梯度分布信息以及一系列形态学操作方法构建细胞最大覆盖区域；

采用多类别最大类间方差算法得出所述相差显微镜细胞图像的深暗区域、高亮区域及高亮区域内的封闭区域；

定义深暗区域为细胞主要信息，高亮区域为细胞次要信息，封闭区域为细胞中间信息。

具体的，基于目标层级结构信息概念，相差显微镜细胞图像中的所有细胞都存在三个结构信息层次，分别是主要信息、中间信息以及次要信息。此概念也指出目标的不同层级结构信息对定义目标本身具有不同的重要性，且最为重要的信息可以单独地用于表示目标。所以，通过细胞主要信息能定义相差显微镜细胞图像中的大多数细胞。

图2是原图与相关信息图。此时假设x＝{1,2},那么图2(ax)是原图，图2(bx)是最大类间方差算法结果图。由于多类别最大类间方差算法中的核心算法在初始化阈值的时候，将其平均地分配在整个灰度区间中，所以相比于深暗部分，算法输出结果在高亮部分存在更多的层级结构信息。

图3展示了PCM_0001与PCM_0002中具有不同重要性的灰度层级结构信息。此时假设x＝{1,2}，那么图3(ax)为图像主要信息二值区域块集合，图3(bx)为图像中间信息二值区域块集合，图3(cx)为图像次要信息二值区域块集合。

图4中，给出了针对PCM_0001与PCM_0002的细胞最大覆盖区域。其二值区域，能够尽可能地覆盖所有细胞区域，使得在处理图像时更加关注与这些细胞区域。

本实施例中，步骤S12为通过帧间关联的方式确定当前帧的细胞主要信息。

其中，步骤S12具体包括步骤：

基于上一帧已检测到的细胞信息，通过帧间关联的方式确定当前帧的细胞主要信息；帧间关联的方式包括通过本地覆盖检测，即假设细胞未进行剧烈的移动，以及基于光流算法的覆盖检测，称为光流覆盖检测，即假设细胞存在一定的距离移动。两种区域块帧间覆盖检测方法存在一定的互补作用，即本地覆盖检测的结果中存在未被光流覆盖检测的结果，光流覆盖检测的结果中存在未被本地覆盖检测的结果。

在图5中，图5(a1)和图5(b1)分别是PCM_0001与PCM_0002通过帧间关联的方式检测到的细胞主要信息。在伪彩色图像中，属于同一细胞的主要信息局部区域块具有相同的标色与标号。

本实施例中，步骤S13为基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域。

其中，步骤S13具体包括：

基于细胞主要信息，采用本地覆盖检测对所述细胞中间信息进行检测；

判断所述细胞主要信息是否具有可扩展的中间信息，若无，保持所述细胞主要信息不变；否则，有序地进行扩展；

获得各细胞主要信息或中间信息的凸集近似区域。

具体的，为了解决细胞中间信息粘连情况，采用目标对分离与分组算法。相应地，也会有产生局部区域块计数结果、局部区域块访问结果、不同的分离位置以及分组结果。添加了中间信息之后，其构建的区域，能更加清晰地表征目标。

在添加中间信息扩展主要信息的过程中，统筹考虑了主要信息与中间信息这两个结构信息层次。如果某些细胞的主要信息没有可扩展的中间信息，则保持主要信息不变。如果细胞主要信息具有可扩展的中间信息，则进行有序地扩展。对于细胞中间信息粘连情况，利用目标对分离与分组算法进行处理。

基于细胞主要信息添加中间信息的方法可以在一定程度上得到更能表征细胞区域的结果。如果图像中存在其他类似于主要信息或者中间信息的层级结构信息，仍旧可以通过此种方法，不断地扩展细胞检测区域范围。

在构建细胞凸集近似区域的时候，既可以采用细胞主要信息，也可以采用扩展后的细胞中间信息。

在图5中，PCM_0001和PCM_0002所对应的图5(a2)和图5(b2)分别为各细胞主要信息的凸集近似区域集合。针对已检测到的细胞，此凸集近似区域可大致确定细胞的分割或检测区域。

PCM_0001和PCM_0002这两张图片都处于图像序列中部，且内部很多细胞已经呈现为高亮状态，即细胞区域已经不能简单由细胞的主要信息进行描述。所以通过帧间关联检测的时候会遗漏掉很多细胞主要信息，出现细胞漏检情况。而且基于细胞主要信息帧间检测的方法也不能检测新出现的细胞。为了修复检测错误的问题，将利用细胞最大覆盖区域结果。

本实施例中，步骤S14为基于已检测到的细胞信息，通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。

其中，步骤S14具体包括：

针对已获得的凸集近似区域进行形态学膨胀操作，并且与已构建的细胞最大覆盖区域进行异或操作，得到剩余的二值区域结果；

再通过形态学开闭操作，得到标识新增目标与遗漏目标的待解析区域；

针对待解析区域，分析并构建遗漏细胞与新增细胞的主要信息及中间信息。

具体的，当仅依赖于主要信息描述细胞的时候，这些策略在一定程度上可以修复细胞主要信息。当细胞不再是由主要信息决定的时候，则需要寻求其他的方法。

而且，帧间关联检测过程中也会有新增细胞出现。接下去需要基于之前的一些结果，检测新增与遗漏的目标。

如图6所示，其给出了针对PCM_0001和PCM_0002的新增目标与遗漏目标检测流程与结果。其中，第一列图像是有关于PCM_0001的检测流程，第二列图像是有关于PCM_0001的检测流程。

首先需要将通过细胞主要信息帧间覆盖检测的结果的凸集近似区域(图5(a2)和t图5(b2))进行形态学膨胀操作，接着与所构建的细胞最大覆盖区域做异或操作，便可得到剩余二值区域结果(图6，第一行)。最后，通过形态学开闭操作，便可以得到一些能够表示新增目标与漏检目标的待解析区域(图6，第二行)。

上述遗漏细胞区域与新增细胞区域检测方法，不仅运用了细胞灰度层级结构信息，还利用了构建细胞最大覆盖区域方法。可知，这些多个层级结构信息之间是相通的，且不同层级结构信息可以相互作用，产生不同的检测结果。

实施例二

本实施例提供了一种检测遗漏细胞区域与新增细胞区域的系统，如图6所示，包括：

构建模块21，用于利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息；

关联模块22，用于通过帧间关联的方式确定当前帧的细胞主要信息；

添加模块23，用于基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域；

检测模块24，用于基于已检测到的细胞信息，通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。

本实施例首先构建模块21先定义相差显微镜细胞图像的具有不同重要性的层级结构信息，即细胞主要信息、细胞中间信息及细胞次要信息，并构建细胞最大覆盖区域。接着，关联模块22基于上一帧图像中已检测的信息，通过帧间关联方法确定当前帧的细胞主要信息。然后，添加模块23基于已检测到的细胞主要信息合理地添加融合细胞中间信息。最后，检测模块24基于已检测到的细胞信息，利用一系列形态学操作获得表示新增目标区域与遗漏目标区域的待解析区域。

本实施例中，定义模块21用于利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息。

其中，构建模块21具体包括：

图像获取单元，用于通过相差显微镜成像系统，获取所述相差显微镜细胞图像；

区域构建单元，用于基于相差显微镜细胞图像的灰度与梯度分布信息以及一系列形态学操作方法构建细胞最大覆盖区域；

信息区分单元，用于采用多类别最大类间方差算法得出所述相差显微镜细胞图像的深暗区域、高亮区域及高亮区域内的封闭区域；

信息构建单元，用于定义深暗区域为细胞主要信息，高亮区域为细胞次要信息，封闭区域为细胞中间信息。

具体的，基于目标层级结构信息概念，相差显微镜细胞图像中的所有细胞都存在三个结构信息层次，分别是主要信息、中间信息以及次要信息。此概念也指出目标的不同层级结构信息对定义目标本身具有不同的重要性，且最为重要的信息可以单独地用于表示目标。所以，通过细胞主要信息能定义相差显微镜细胞图像中的大多数细胞。

图2是原图与相关信息图。此时假设x＝{1,2},那么图2(ax)是原图，图2(bx)是最大类间方差算法结果图。由于多类别最大类间方差算法中的核心算法在初始化阈值的时候，将其平均地分配在整个灰度区间中，所以相比于深暗部分，算法输出结果在高亮部分存在更多的层级结构信息。

图3展示了PCM_0001与PCM_0002中具有不同重要性的灰度层级结构信息。此时假设x＝{1,2}，那么图3(ax)为图像主要信息二值区域块集合，图3(bx)为图像中间信息二值区域块集合，图3(cx)为图像次要信息二值区域块集合。

图4中，给出了针对PCM_0001与PCM_0002的细胞最大覆盖区域。其二值区域，能够尽可能地覆盖所有细胞区域，使得在处理图像时更加关注与这些细胞区域。

本实施例中，标记模块22用于通过帧间关联的方式确定当前帧的细胞主要信息。

其中，关联模块22具体包括：

用于基于上一帧已检测到的细胞信息，通过帧间关联的方式确定当前帧的细胞主要信息；帧间关联的方式包括通过本地覆盖检测，即假设细胞未进行剧烈的移动，以及基于光流算法的覆盖检测，称为光流覆盖检测，即假设细胞存在一定的距离移动。两种区域块帧间覆盖检测方法存在一定的互补作用，即本地覆盖检测的结果中存在未被光流覆盖检测的结果，光流覆盖检测的结果中存在未被本地覆盖检测的结果。

在图5中，图5(a1)和图5(b1)分别是PCM_0001与PCM_0002通过帧间关联的方式检测到的细胞主要信息。在伪彩色图像中，属于同一细胞的主要信息局部区域块具有相同的标色与标号。

本实施例中，添加模块23用于基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域。

其中，添加模块23具体包括：

基于细胞主要信息，采用本地覆盖检测对所述细胞中间信息进行检测；

判断所述细胞主要信息是否具有可扩展的中间信息，若无，保持所述细胞主要信息不变；否则，有序地进行扩展；

获得各细胞主要信息或中间信息的凸集近似区域。

具体的，为了解决细胞中间信息粘连情况，采用目标对分离与分组算法。相应地，也会有产生局部区域块计数结果、局部区域块访问结果、不同的分离位置以及分组结果。添加了中间信息之后，其构建的区域，能更加清晰地表征目标。

在添加中间信息扩展主要信息的过程中，统筹考虑了主要信息与中间信息这两个结构信息层次。如果某些细胞的主要信息没有可扩展的中间信息，则保持主要信息不变。如果细胞主要信息具有可扩展的中间信息，则进行有序地扩展。对于细胞中间信息粘连情况，利用目标对分离与分组算法进行处理。

基于细胞主要信息添加中间信息的方法可以在一定程度上得到更能表征细胞区域的结果。如果图像中存在其他类似于主要信息或者中间信息的层级结构信息，仍旧可以通过此种方法，不断地扩展细胞检测区域范围。

在构建细胞凸集近似区域的时候，既可以采用细胞主要信息，也可以采用扩展后的细胞中间信息。

在图5中，PCM_0001和PCM_0002所对应的图5(a2)和图5(b2)分别为各细胞主要信息的凸集近似区域集合。针对已检测到的细胞，此凸集近似区域可大致确定细胞的分割或检测区域。

PCM_0001和PCM_0002这两张图片都处于图像序列中部，且内部很多细胞已经呈现为高亮状态，即细胞区域已经不能简单由细胞的主要信息进行描述。所以通过帧间关联检测的时候会遗漏掉很多细胞主要信息，出现细胞漏检情况。而且基于细胞主要信息帧间检测的方法也不能检测新出现的细胞。为了修复检测错误的问题，将利用细胞最大覆盖区域结果。

本实施例中，检测模块24用于基于已检测到的细胞信息，通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。

其中，检测模块24具体包括：

形态学膨胀单元，用于针对已获得的凸集近似区域进行形态学膨胀操作，并且与已构建的细胞最大覆盖区域进行异或操作，得到剩余的二值区域结果；

形态学开闭单元，用于再通过形态学开闭操作，得到标识新增目标与遗漏目标的待解析区域；

区域分析单元，针对待解析区域，分析并构建遗漏细胞与新增细胞的主要信息及中间信息。

具体的，当仅依赖于主要信息描述细胞的时候，这些策略在一定程度上可以修复细胞主要信息。当细胞不再是由主要信息决定的时候，则需要寻求其他的方法。

而且，帧间关联检测过程中也会有新增细胞出现。接下去需要基于之前的一些结果，检测新增与遗漏的目标。

如图6所示，其给出了针对PCM_0001和PCM_0002的新增目标与遗漏目标检测流程与结果。其中，第一列图像是有关于PCM_0001的检测流程，第二列图像是有关于PCM_0001的检测流程。

首先需要将通过细胞主要信息帧间覆盖检测的结果的凸集近似区域(图5(a2)和t图5(b2))进行形态学膨胀操作，接着与所构建的细胞最大覆盖区域做异或操作，便可得到剩余二值区域结果(图6，第一行)。最后，通过形态学开闭操作，便可以得到一些能够表示新增目标与漏检目标的待解析区域(图6，第二行)。

上述遗漏细胞区域与新增细胞区域检测方法，不仅运用了细胞灰度层级结构信息，还利用了构建细胞最大覆盖区域方法。可知，这些多个层级结构信息之间是相通的，且不同层级结构信息可以相互作用，产生不同的检测结果。

上述遗漏细胞区域与新增细胞区域检测方法，不仅运用了细胞灰度层级结构信息，还利用了构建细胞最大覆盖区域方法。可知，这些多个层级结构信息之间是相通的，且不同层级结构信息可以相互作用，产生不同的检测结果。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种检测遗漏细胞区域与新增细胞区域的方法，其特征在于，包括步骤：

S1、利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息；

S2、通过帧间关联的方式确定当前帧的细胞主要信息；

S3、基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域；

S4、通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。

2.根据权利要求1所述的一种检测遗漏细胞区域与新增细胞区域的方法，其特征在于，步骤S1具体包括：

通过相差显微镜成像系统，获取所述相差显微镜细胞图像；

基于相差显微镜细胞图像的灰度与梯度分布信息以及一系列形态学操作方法构建细胞最大覆盖区域；

采用多类别最大类间方差算法得出所述相差显微镜细胞图像的深暗区域、高亮区域及高亮区域内的封闭区域；

定义深暗区域为细胞主要信息，高亮区域为细胞次要信息，封闭区域为细胞中间信息。

3.根据权利要求2所述的一种检测遗漏细胞区域与新增细胞区域的方法，其特征在于，步骤S2具体包括：

通过帧间关联的方式确定当前帧的细胞主要信息；

帧间关联的方式包括通过本地覆盖检测，即假设细胞未进行剧烈的移动，以及基于光流算法的覆盖检测，称为光流覆盖检测，即假设细胞存在一定的距离移动；

两种区域块帧间覆盖检测方法存在一定的互补作用，即本地覆盖检测的结果中存在未被光流覆盖检测的结果，光流覆盖检测的结果中存在未被本地覆盖检测的结果。

4.根据权利要求3所述的一种检测遗漏细胞区域与新增细胞区域的方法，其特征在于，步骤S3具体包括：

基于细胞主要信息，采用本地覆盖检测对所述细胞中间信息进行检测；

判断所述细胞主要信息是否具有可扩展的中间信息，若无，保持所述细胞主要信息不变；否则，有序地进行扩展；

获得各细胞主要信息或中间信息的凸集近似区域。

5.根据权利要求4所述的一种检测遗漏细胞区域与新增细胞区域的方法，其特征在于，步骤S4具体包括：

针对已获得的凸集近似区域进行形态学膨胀操作，并且与已构建的细胞最大覆盖区域进行异或操作，得到剩余的二值区域结果；

再通过形态学开闭操作，得到标识新增目标与遗漏目标的待解析区域；

针对待解析区域，分析并构建遗漏细胞与新增细胞的主要信息及中间信息。

6.一种检测遗漏细胞区域与新增细胞区域的系统，其特征在于，包括：

构建模块，用于利用图像灰度分布与梯度分布信息构建细胞最大覆盖区域，并构建图像中具有不同重要性的灰度层级结构信息；

关联模块，用于通过帧间关联的方式确定当前帧的细胞主要信息；

添加模块，用于基于已检测到的细胞主要信息添加细胞中间信息并获得其凸集近似区域；

检测模块，用于通过一系列形态学操作得到能表示遗漏目标与新增目标的区域。

7.根据权利要求6所述的一种检测遗漏细胞区域与新增细胞区域的系统，其特征在于，所述构建模块具体包括：

图像获取单元，用于通过相差显微镜成像系统，获取所述相差显微镜细胞图像；

区域构建单元，用于基于相差显微镜细胞图像的灰度与梯度分布信息以及一系列形态学操作方法构建细胞最大覆盖区域；

信息区分单元，用于采用多类别最大类间方差算法得出所述相差显微镜细胞图像的深暗区域、高亮区域及高亮区域内的封闭区域；

信息构建单元，用于定义深暗区域为细胞主要信息，高亮区域为细胞次要信息，封闭区域为细胞中间信息。

8.根据权利要求7所述的一种检测遗漏细胞区域与新增细胞区域的系统，其特征在于，所述关联模块具体包括：

通过帧间关联的方式确定当前帧的细胞主要信息；

帧间关联的方式包括通过本地覆盖检测，即假设细胞未进行剧烈的移动，以及基于光流算法的覆盖检测，称为光流覆盖检测，即假设细胞存在一定的距离移动；

两种区域块帧间覆盖检测方法存在一定的互补作用，即本地覆盖检测的结果中存在未被光流覆盖检测的结果，光流覆盖检测的结果中存在未被本地覆盖检测的结果。

9.根据权利要求8所述的一种检测遗漏细胞区域与新增细胞区域的系统，其特征在于，所述添加模块具体包括：

检测单元，用于采用所述本地覆盖检测方法与光流覆盖检测方法对下一帧中所述细胞主要信息进行检测；

判断单元，用于判断所述细胞主要信息是否具有可扩展的中间信息，若无，保持所述细胞主要信息不变；否则，有序地进行扩展；

凸集单元，用于获得各细胞主要信息或中间信息的凸集近似区域。

10.根据权利要求9所述的一种检测遗漏细胞区域与新增细胞区域的系统，其特征在于，所述检测模块具体包括：

形态学膨胀单元，用于针对已获得的凸集近似区域进行形态学膨胀操作，并且与已构建的细胞最大覆盖区域进行异或操作，得到剩余的二值区域结果；

形态学开闭单元，用于再通过形态学开闭操作，得到标识新增目标与遗漏目标的待解析区域；

区域分析单元，用于分析并构建遗漏细胞与新增细胞的主要信息及中间信息。

Images