[发明专利]基于有向加权复杂网络的宫颈细胞识别方法及宫颈细胞识别装置

摘要

本发明提供一种基于有向加权复杂网络的宫颈细胞别方法及宫颈细胞识别装置,该方法依次包括步骤S100：对宫颈细胞图像灰度化，再对宫颈细胞图像分割出宫颈细胞区域；S200：提取宫颈细胞区域的关键点，再定位宫颈细胞的中心；S300：对宫颈细胞图像构建复杂网络模型；S400：提取复杂网络模型的参数作为宫颈细胞的识别参数；S600：采用SVM分类器对宫颈细胞训练样本提取的特征向量进行训练并得到的SVM模型，再对宫颈细胞测试样本进行测试以得到所属类别。本发明通过提取宫颈细胞图像中的尽可能多的特征信息，而宫颈细胞的复杂网络参数从本质上反应了宫颈细胞的内部结构和空间特征，弥补了传统方法的不足，能够对宫颈细胞进行精确分类。

主权项

一种基于有向加权复杂网络的宫颈细胞识别方法，依次包括如下步骤：S100：对宫颈细胞图像灰度化，再对宫颈细胞图像进行分割，分割出宫颈细胞区域；S200：采用Harris技术提取所述宫颈细胞区域的关键点，再采用灰度加权中心定位的方法定位宫颈细胞的中心；S300：对经过所述步骤S200处理后的宫颈细胞图像构建复杂网络模型，构建过程包括以下过程：S310,计算所述宫颈细胞图像关键点与中心之间的距离，并将关键点与中心之间归一化距离差作为复杂网络模型节点的有向距离；S320，将关键点的归一化灰度差作为复杂网络模型节点间的有向灰度差；S330, 将有向距离与有向灰度差的加权之和作为复杂网络模型节点间的有向权值；S340, 判断任意两节点之间的有向权值是否在复杂网络模型有向权值的阈值内，将有向权值在复杂网络有向权值的阈值内的任意两节点进行连接形成复杂网络模型；S400：提取所述复杂网络模型的参数作为宫颈细胞的识别参数，所述识别参数包括节点的度最大值、节点的度方差值、节点的度平均值、节点的度加权最大值、节点的度加权方差值、节点的度加权平均值、节点的度分布均值、节点的度分布一致性、节点的度分布能量、节点的度分布熵，将所述识别参数构成宫颈细胞图像在阈值下的特征向量，其中节点的度为与该节点有连接边的其他节点的数目；S600：采用SVM分类器对宫颈细胞训练样本提取的特征向量进行训练并得到的SVM模型，再对宫颈细胞测试样本进行测试，得到宫颈细胞测试样本的类别。