基于图像技术的精子形态检测方法和装置.pdf

《基于图像技术的精子形态检测方法和装置.pdf》由会员分享，可在线阅读，更多相关《基于图像技术的精子形态检测方法和装置.pdf（34页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010368329.9 (22)申请日 2020.04.30 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 林书妃朱剑锋 (74)专利代理机构 北京英赛嘉华知识产权代理 有限责任公司 11204 代理人 王达佐马晓亚 (51)Int.Cl. G06K 9/62(2006.01) G06K 9/46(2006.01) (54)发明名称 基于图像技术的精子形态检测方法和装置 (57)摘要 本申请公开了基于。

2、图像技术的精子形态检 测方法和装置。 涉及计算机视觉领域， 该方法的 一具体实施方式包括： 识别待测精液图像中的任 意一个独立精子； 获取独立精子的关键部位的轮 廓； 由独立精子的关键部位的轮廓确定独立精子 的关键部位的中心坐标； 基于待测精液图像与独 立精子的关键部位的中心坐标， 提取独立精子的 轮廓； 根据独立精子的轮廓， 对独立精子进行形 态检测。 该实施方式提高了精子检测的效率。 权利要求书5页 说明书20页 附图8页 CN 111563550 A 2020.08.21 CN 111563550 A 1.一种基于图像技术的目标形态检测方法， 包括： 识别包括目标对象的待检测图像中的独立。

3、目标对象； 获取所述独立目标对象的关键部位的轮廓； 由所述独立目标对象的关键部位的轮廓确定所述独立目标对象的关键部位的中心坐 标； 基于所述待检测图像与所述独立目标对象的关键部位的中心坐标， 提取所述独立目标 对象的轮廓； 根据所述独立目标对象的轮廓， 对所述独立目标对象进行形态检测。 2.根据权利要求1所述的方法， 其中， 所述根据所述独立目标对象的轮廓， 对所述独立 目标对象进行形态检测， 包括： 基于所述独立目标对象的轮廓与所述独立目标对象的关键部位的中心坐标， 提取所述 独立目标对象的非关键部位的轮廓； 基于所述独立目标对象的非关键部位的轮廓和所述独立目标对象的关键部位的轮廓， 提取所。

4、述独立目标对象的非关键部位的清晰图像和关键部位的清晰图像； 将所述独立目标对象的非关键部位的清晰图像和关键部位的清晰图像合成为完整的 独立目标对象的图像； 对所述完整的独立目标对象的图像进行形态检测。 3.根据权利要求2所述的方法， 其中， 所述基于所述独立目标对象的轮廓与所述独立目 标对象的关键部位的中心坐标， 提取所述独立目标对象的非关键部位的轮廓， 包括： 基于所述独立目标对象的轮廓与所述独立目标对象的关键部位的中心坐标， 提取所述 独立目标对象的轮廓中的关键部位的轮廓； 基于所述独立目标对象的轮廓中的关键部位的轮廓以及预设的非关键部位与关键部 位之间的位置关系， 提取所述独立目标对象的。

5、非关键部位的轮廓。 4.根据权利要求2所述的方法， 其中， 所述基于所述独立目标对象的非关键部位的轮廓 和所述独立目标对象的关键部位的轮廓， 提取所述独立目标对象的非关键部位的清晰图像 和关键部位的清晰图像， 包括： 将清晰度不同的多个待检测图像、 所述独立目标对象的非关键部位的轮廓和所述独立 目标对象的关键部位的轮廓输入清晰度模型， 得到所述独立目标对象的非关键部位的清晰 图像和关键部位的清晰图像。 5.根据权利要求2所述的方法， 其中， 所述对所述完整的独立目标对象的图像进行形态 检测， 包括： 将所述完整的独立目标对象的图像输入分类模型， 得到所述独立目标对象的非关键部 位和关键部位两者。

6、的形态缺陷分类； 所述分类模型由所述完整的独立目标对象的图像训练得到， 用于对所述完整的独立目 标对象的非关键部位和关键部位进行形态缺陷分类。 6.根据权利要求1-5之一所述的方法， 其中， 所述基于所述待检测图像与所述独立目标 对象的关键部位的中心坐标， 提取所述独立目标对象的轮廓， 包括： 将所述待检测图像输入分割模型， 输出所述目标对象的轮廓； 计算所述目标对象的轮廓的面积值； 权利要求书 1/5 页 2 CN 111563550 A 2 将所述目标对象的轮廓的面积值与预设的面积值进行比对； 响应于确定所述比对的结果为所述目标对象的轮廓的面积值与所述预设的面积值之 间的关系符合预设条件，。

7、 提取由所述独立目标对象的关键部位的中心坐标标记的所述独立 目标对象的轮廓。 7.根据权利要求1-5之一所述的方法， 其中， 所述关键部位包括： 头部， 所述获取所述独 立目标对象的关键部位的轮廓， 包括： 将所述待检测图像中的独立目标对象依次经过HSV色彩空间的Hue通道、 腐蚀和膨胀运 算， 得到所述独立目标对象的头部的轮廓。 8.根据权利要求2所述的方法， 其中， 所述关键部位包括： 头部， 所述非关键部位包括： 颈部和尾部； 所述对所述完整的独立目标对象的图像进行形态检测， 包括： 将所述完整的独立目标对象的图像输入已训练的卷积神经网络模型， 得到由所述已训 练的卷积神经网络模型输出的。

8、所述头部对应的头部缺陷类型、 所述颈部对应的颈部缺陷类 型以及所述尾部对应的尾部缺陷类型。 9.根据权利要求8所述的方法， 其中， 所述头部缺陷类型包括： 锥形、 梨形、 无顶体圆形、 小圆形、 不定形、 顶部有气泡； 所述颈部缺陷类型包括： 颈部弯曲、 非对称性、 颈部半径大于第一设定半径值、 颈部半 径小于第二设定半径值、 颈部存在胞浆大于第一设定量， 所述第一设定半径值大于所述第 二设定半径值； 所述尾部缺陷类型包括： 尾部过短、 尾部弯曲、 尾部卷曲、 尾部存在胞浆大于第二设定 量。 10.根据权利要求2-5之一所述的方法， 所述方法还包括： 基于所述对所述完整的独立目标对象的图像进行。

9、形态检测的结果， 输出形态检测提示 信息。 11.一种基于图像技术的精子形态检测方法， 所述方法包括： 识别待测精液图像中的任意一个独立精子； 获取所述独立精子的关键部位的轮廓； 由所述独立精子的关键部位的轮廓确定所述独立精子的关键部位的中心坐标； 基于所述待测精液图像与所述独立精子的关键部位的中心坐标， 提取所述独立精子的 轮廓； 根据所述独立精子的轮廓， 对所述独立精子进行形态检测。 12.根据权利要求11所述的方法， 其中， 所述根据所述独立精子的轮廓， 对所述独立精 子进行形态检测， 包括： 基于所述独立精子的轮廓与所述独立精子的关键部位的中心坐标， 提取所述独立精子 的非关键部位的轮。

10、廓； 基于所述独立精子的非关键部位的轮廓和所述独立精子的关键部位的轮廓， 提取所述 独立精子的非关键部位的清晰图像和关键部位的清晰图像； 将所述独立精子的非关键部位的清晰图像和关键部位的清晰图像合成为完整的独立 精子的图像； 权利要求书 2/5 页 3 CN 111563550 A 3 对所述完整的独立精子的图像进行形态检测。 13.根据权利要求12所述的方法， 其中， 所述关键部位包括： 精子头部， 所述非关键部位 包括： 精子颈部和精子尾部； 所述对所述完整的独立精子的图像进行形态检测， 包括： 将所述完整的独立精子的图像输入已训练的卷积神经网络模型， 得到由所述已训练的 卷积神经网络模型。

11、输出的所述精子头部对应的精子头部缺陷类型、 所述精子颈部对应的精 子颈部缺陷类型以及所述精子尾部对应的精子尾部缺陷类型。 14.根据权利要求13所述的方法， 其中， 所述精子头部缺陷类型包括： 锥形、 梨形、 无顶体圆形、 小圆形、 不定形、 顶部有气泡； 所述精子颈部缺陷类型包括： 颈部弯曲、 非对称性、 颈部半径大于第一设定半径值、 颈 部半径小于第二设定半径值、 颈部存在胞浆大于第一设定量， 所述第一设定半径值大于所 述第二设定半径值； 所述精子尾部缺陷类型包括： 尾部过短、 尾部弯曲、 尾部卷曲、 尾部存在胞浆大于第二 设定量。 15.根据权利要求11-14之一所述的方法， 其中， 所。

12、述基于所述待测精液图像与所述独 立精子的关键部位的中心坐标， 提取所述独立精子的轮廓， 包括： 将所述待测精液图像输入分割模型， 输出精子的轮廓； 计算所述精子的轮廓的面积值； 将所述精子的轮廓的面积值与预设的面积值进行比对； 响应于确定所述比对的结果为所述精子的轮廓的面积值与所述预设的面积值之间的 关系符合预设条件， 提取由所述独立精子的关键部位的中心坐标标记的所述独立精子的轮 廓。 16.一种基于图像技术的目标形态检测装置， 包括： 对象识别模块， 被配置成识别包括目标对象的待检测图像中的独立目标对象； 部位获取模块， 被配置成获取所述独立目标对象的关键部位的轮廓； 坐标确定模块， 被配置。

13、成由所述独立目标对象的关键部位的轮廓确定所述独立目标对 象的关键部位的中心坐标； 轮廓提取模块， 被配置成基于所述待检测图像与所述独立目标对象的关键部位的中心 坐标， 提取所述独立目标对象的轮廓； 形态检测模块， 被配置成根据所述独立目标对象的轮廓， 对所述独立目标对象进行形 态检测。 17.根据权利要求16所述的装置， 其中， 所述形态检测模块包括： 部位提取单元， 被配置成基于所述独立目标对象的轮廓与所述独立目标对象的关键部 位的中心坐标， 提取所述独立目标对象的非关键部位的轮廓； 图像提取单元， 被配置成基于所述独立目标对象的非关键部位的轮廓以及所述独立目 标对象的关键部位的轮廓， 提取。

14、所述独立目标对象的非关键部位的清晰图像和关键部位的 清晰图像； 图像合成单元， 被配置成将所述独立目标对象的非关键部位的清晰图像和关键部位的 清晰图像合成为完整的独立目标对象的图像； 权利要求书 3/5 页 4 CN 111563550 A 4 形态检测单元， 被配置成对所述完整的独立目标对象的图像进行形态检测。 18.根据权利要求17所述的装置， 其中， 所述部位提取单元包括： 轮廓分离子单元， 被配置成基于所述独立目标对象的轮廓与所述独立目标对象的关键 部位的中心坐标， 提取所述独立目标对象的轮廓中的关键部位的轮廓； 轮廓提取子单元， 被配置成基于所述独立目标对象的轮廓中的关键部位的轮廓以。

15、及预 设的非关键部位与关键部位之间的位置关系， 提取所述独立目标对象的非关键部位的轮 廓。 19.根据权利要求17所述的装置， 其中， 所述图像提取单元包括： 图像得到子单元， 被配置成将清晰度不同的多个待检测图像、 所述独立目标对象的非 关键部位的轮廓和关键部位的轮廓输入清晰度模型， 得到所述独立目标对象的非关键部位 的清晰图像和关键部位的清晰图像。 20.根据权利要求17所述的装置， 其中， 所述形态检测单元包括： 模型输入子单元， 被配置成将所述完整的独立目标对象的图像输入分类模型， 得到所 述独立目标对象的非关键部位和关键部位两者的形态缺陷分类； 所述分类模型由所述完整的独立目标对象的。

16、图像训练得到， 用于对所述完整的独立目 标对象的非关键部位和关键部位进行形态缺陷分类。 21.根据权利要求16-20之一所述的装置， 其中， 所述轮廓提取模块包括： 图像分割单元， 被配置成将所述待检测图像输入分割模型， 输出所述目标对象的轮廓； 面积计算单元， 被配置成计算所述目标对象的轮廓的面积值； 面积比对单元， 被配置成将所述目标对象的轮廓的面积值与预设的面积值进行比对； 轮廓得到单元， 被配置成响应于确定所述比对的结果为所述目标对象的轮廓的面积值 与所述预设的面积值之间的关系符合预设条件， 提取由所述独立目标对象的关键部位的中 心坐标标记的所述独立目标对象的轮廓。 22.根据权利要求。

17、16-20之一所述的装置， 其中， 所述关键部位包括： 头部， 所述部位获 取模块包括： 轮廓运算单元， 被配置成将所述待检测图像中的独立目标对象依次经过HSV色彩空间 的Hue通道、 腐蚀和膨胀运算， 得到所述独立目标对象的头部的轮廓。 23.根据权利要求17-20之一所述的装置， 其中， 所述形态检测模块还包括： 提示输出单元， 被配置成基于所述对所述完整的独立目标对象的图像进行形态检测的 结果， 输出形态检测提示信息。 24.一种基于图像技术的精子形态检测装置， 包括： 独立精子识别模块， 被配置成识别待测精液图像中的任意一个独立精子； 精子部位获取模块， 被配置成获取所述独立精子的关键。

18、部位的轮廓； 精子坐标确定模块， 被配置成由所述独立精子的关键部位的轮廓确定所述独立精子的 关键部位的中心坐标； 精子轮廓提取模块， 被配置成基于所述待测精液图像与所述独立精子的关键部位的中 心坐标， 提取所述独立精子的轮廓； 精子形态检测模块， 被配置成根据所述独立精子的轮廓， 对所述独立精子进行形态检 测。 权利要求书 4/5 页 5 CN 111563550 A 5 25.根据权利要求24所述的装置， 其中， 所述精子形态检测模块包括： 精子部位提取单元， 被配置成基于所述独立精子的轮廓与所述独立精子的关键部位的 中心坐标， 提取所述独立精子的非关键部位的轮廓； 精子图像提取单元， 被配。

19、置成基于所述独立精子的非关键部位的轮廓和所述独立精子 的关键部位的轮廓， 提取所述独立精子的非关键部位的清晰图像和关键部位的清晰图像； 精子图像合成单元， 被配置成将所述独立精子的非关键部位的清晰图像和关键部位的 清晰图像合成为完整的独立精子的图像； 精子形态检测单元， 被配置成对所述完整的独立精子的图像进行形态检测。 26.根据权利要求25所述的装置， 其中， 所述关键部位包括： 精子头部， 所述非关键部位 包括： 精子颈部和精子尾部； 所述精子形态检测单元， 被配置成将所述完整的独立精子的图像输入已训练的卷积神 经网络模型， 得到由所述已训练的卷积神经网络模型输出的所述精子头部对应的精子头。

20、部 缺陷类型、 所述精子颈部对应的精子颈部缺陷类型以及所述精子尾部对应的精子尾部缺陷 类型。 27.根据权利要求26所述的方法， 其中， 所述精子头部缺陷类型包括： 锥形、 梨形、 无顶体圆形、 小圆形、 不定形、 顶部有气泡； 所述精子颈部缺陷类型包括： 颈部弯曲、 非对称性、 颈部半径大于第一设定半径值、 颈 部半径小于第二设定半径值、 颈部存在胞浆大于第一设定量， 所述第一设定半径值大于所 述第二设定半径值； 所述精子尾部缺陷类型包括： 尾部过短、 尾部弯曲、 尾部卷曲、 尾部存在胞浆大于第二 设定量。 28.根据权利要求24-27之一所述的方法， 其中， 所述精子轮廓提取模块， 包括：。

21、 精子图像分割单元， 被配置成将所述待测精液图像输入分割模型， 输出精子的轮廓； 精子面积计算单元， 被配置成计算所述精子的轮廓的面积值； 精子面积比对单元， 被配置成将所述精子的轮廓的面积值与预设的面积值进行比对； 精子轮廓得到单元， 被配置成响应于确定所述比对的结果为所述精子的轮廓的面积值 与所述预设的面积值之间的关系符合预设条件， 提取由所述独立精子的关键部位的中心坐 标标记的所述独立精子的轮廓。 29.一种电子设备， 其特征在于， 包括： 至少一个处理器； 以及与所述至少一个处理器通信连接的存储器； 其中， 所述存储器存 储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处。

22、理器执行， 以使所 述至少一个处理器能够执行权利要求1-15中任一项所述的方法。 30.一种存储有计算机指令的非瞬时计算机可读存储介质， 其特征在于， 所述计算机指 令用于使所述计算机执行权利要求1-15中任一项所述的方法。 权利要求书 5/5 页 6 CN 111563550 A 6 基于图像技术的精子形态检测方法和装置 技术领域 0001 本公开的实施例涉及计算机技术领域， 具体涉及计算机视觉领域， 尤其涉及基于 图像技术的精子形态检测方法和装置、 基于图像技术的目标形态检测方法和装置。 背景技术 0002 图像处理方法广泛应用于工业、 农业、 环境以及医药行业的目标特征获取中， 对目 标。

23、形态特征的准确计量也有很好的效果。 以往， 基于图像的目标形态研究中， 由于受到实验 仪器、 软件操作尤其是目标与目标之间相互作用的影响， 测量精度都受到了不同程序的制 约。 随着图像处理方法和手段的进一步发展， 图像处理技术及测量精度都得到了长足的发 展。 0003 基于机器学习或深度学习可以实现对目标形态缺陷进行分类， 如基于贝叶斯分类 器、 SVM分类器和简单的卷积神经网络对图像中目标的各个部位进行形态缺陷分类。 发明内容 0004 提供了一种基于图像技术的目标形态检测方法、 装置、 基于图像技术的精子形态 检测方法、 装置以及设备、 存储介质。 0005 根据第一方面， 本申请实施例提。

24、供了一种基于图像技术的目标形态检测方法， 上 述方法包括： 识别包括目标对象的待检测图像中的独立目标对象； 获取独立目标对象的关 键部位的轮廓； 由独立目标对象的关键部位的轮廓确定独立目标对象的关键部位的中心坐 标； 基于待检测图像与独立目标对象的关键部位的中心坐标， 提取独立目标对象的轮廓； 根 据独立目标对象的轮廓， 对独立目标对象进行形态检测。 0006 根据第二方面， 本申请实施例提供了一种基于图像技术的精子形态检测方法， 上 述方法包括： 识别待测精液图像中的任意一个独立精子； 获取独立精子的关键部位的轮廓； 由独立精子的关键部位的轮廓确定独立精子的关键部位的中心坐标； 基于待测精液。

25、图像与 独立精子的关键部位的中心坐标， 提取独立精子的轮廓； 根据独立精子的轮廓， 对独立精子 进行形态检测。 0007 根据第三方面， 本申请实施例提供了一种基于图像技术的目标形态检测装置， 上 述装置包括： 对象识别模块， 被配置成识别包括目标对象的待检测图像中的独立目标对象； 部位获取模块， 被配置成获取独立目标对象的关键部位的轮廓； 坐标确定模块， 被配置成由 独立目标对象的关键部位的轮廓确定独立目标对象的关键部位的中心坐标； 轮廓提取模 块， 被配置成基于待检测图像与独立目标对象的关键部位的中心坐标， 提取独立目标对象 的轮廓； 形态检测模块， 被配置成根据独立目标对象的轮廓， 对独。

26、立目标对象进行形态检 测。 0008 根据第四方面， 本申请实施例提供了一种基于图像技术的精子形态检测装置， 上 述装置包括： 独立精子识别模块， 被配置成识别待测精液图像中的任意一个独立精子； 精子 部位获取模块， 被配置成获取独立精子的关键部位的轮廓； 精子坐标确定模块， 被配置成由 说明书 1/20 页 7 CN 111563550 A 7 独立精子的关键部位的轮廓确定独立精子的关键部位的中心坐标； 精子轮廓提取模块， 被 配置成基于待测精液图像与独立精子的关键部位的中心坐标， 提取独立精子的轮廓； 精子 形态检测模块， 被配置成根据独立精子的轮廓， 对独立精子进行形态检测。 0009 。

27、根据第五方面， 本申请实施例提供了一种电子设备， 该电子设备包括： 至少一个处 理器； 以及与至少一个处理器通信连接的存储器； 其中， 存储器存储有可被至少一个处理器 执行的指令， 指令被至少一个处理器执行， 使得一个或多个处理器实现如第一方面任一实 现方式描述的方法。 0010 根据第六方面， 本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读 存储介质， 计算机指令用于使计算机执行如第一方面任一实现方式描述的方法。 0011 本申请提供的基于图像技术的目标形态检测方法和装置， 首先识别待检测图像中 独立目标对象， 然后获取独立目标对象的关键部位的轮廓； 再后由独立目标对象的关键部 位。

28、的轮廓确定独立目标对象的关键部位的中心坐标； 再后基于待检测图像与独立目标对象 的关键部位的中心坐标， 提取独立目标对象的轮廓； 最后根据独立目标对象的轮廓， 对独立 目标对象进行形态检测。 由此， 本申请中， 基于目标对象的关键部位的显著性， 确定关键部 位的轮廓， 由关键部位的轮廓确定独立目标对象的关键部位的中心坐标， 进一步由关键部 位的中心坐标辅助在待检测图像中提取独立目标对象的轮廓， 根据本申请的技术提高了独 立目标对象轮廓显示的可靠性， 更易于对独立目标对象的形态进行检测， 并且提高了形态 检测的效率。 0012 本申请提供的基于图像技术的精子形态检测方法和装置， 包括： 识别待测。

29、精液图 像中的任意一个独立精子； 获取独立精子的关键部位的轮廓； 由独立精子的关键部位的轮 廓确定独立精子的关键部位的中心坐标； 基于待测精液图像与独立精子的关键部位的中心 坐标， 提取独立精子的轮廓； 根据独立精子的轮廓， 对独立精子进行形态检测。 该方法提高 了精子检测的效率。 0013 应当理解， 本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特 征， 也不用于限制本公开的范围。 本公开的其它特征将通过以下的说明书而变得容易理解。 附图说明 0014 附图用于更好地理解本方案， 不构成对本申请的限定。 其中： 0015 图1是根据本申请实施例的基于图像技术的目标形态检测方法的第。

30、一实施例的示 例性流程图； 0016 图2是根据本申请实施例的对独立目标对象进行形态检测的方法的一种示例性流 程图； 0017 图3是根据本申请实施例的确定独立目标对象的非关键部位的轮廓的方法的一种 示例性流程图； 0018 图4是根据本申请实施例的提取独立目标对象的轮廓的一种示例性流程图； 0019 图5是根据本申请实施例的基于图像技术的目标形态检测方法的第二实施例的示 例性流程图； 0020 图6是根据本申请实施例的基于图像技术的精子形态检测方法的一实施例的示例 性流程图； 说明书 2/20 页 8 CN 111563550 A 8 0021 图7是根据本申请实施例的基于图像技术的目标形态。

31、检测装置的结构示意图； 0022 图8是根据本申请实施例的基于图像技术的精子形态检测装置的结构示意图； 0023 图9是用来实现本申请实施例的基于图像技术的目标形态检测方法的电子设备的 框图。 具体实施方式 0024 以下结合附图对本申请的示范性实施例做出说明， 其中包括本申请实施例的各种 细节以助于理解， 应当将它们认为仅仅是示范性的。 因此， 本领域普通技术人员应当认识 到， 可以对这里描述的实施例做出各种改变和修改， 而不会背离本申请的范围和精神。 同 样， 为了清楚和简明， 以下的描述中省略了对公知功能和结构的描述。 0025 图1示出了根据本申请基于图像技术的目标形态检测方法的第一实。

32、施例的示例性 流程100。 上述基于图像技术的目标形态检测方法包括以下步骤： 0026 步骤101， 识别包括目标对象的待检测图像中的独立目标对象。 0027 本实施例中， 目标对象可以是图像中的生物对象或非生物对象， 而生物对象可以 是宏观世界中可视的生物对象及其组成单位， 宏观世界中可视的生物对象比如动物对象、 植物对象、 菌物对象等， 生物对象的组成单位因生物对象种类的不同而不同， 比如动物对象 的组成单位包括五官、 四肢等特征， 植物对象的组成单位包括枝叶、 根系等特征； 生物对象 也可以是微观世界中可视的生物对象及其组成单位， 微观世界中可视的生物对象比如为微 生物对象等， 而微生物。

33、对象组成单位包括多种细胞和多种非细胞特征。 0028 本实施例中， 待检测图像为包括目标对象的图像， 可以为一张或多张。 同一视野下 拍摄的多张待检测图像， 其清晰度可能不同。 而清晰度不同的待检测图像上同一目标对象 的不同组成单位的清晰度也可能不同。 当待检测图像为一张时， 该张待检测图像可以是多 张包括目标对象的原始图像经过图像处理后得到的。 0029 本实施例中， 待检测图像中的目标对象， 可能是多个单独的目标对象独立存在， 也 可能是多个目标对象聚集在一起存在， 或者既有单独的目标对象又有多个目标对象聚集在 一起存在。 比如， 待检测图像中的微生物目标对象包括多个独立显示的微生物目标对。

34、象以 及多个聚集在一起互相遮挡显示的微生物目标对象， 又如， 通过显微镜拍摄的待检测图像 中的微生物细胞目标对象包括多个独立的细胞目标对象以及紧凑拼接在一起的多个细胞 目标对象。 而识别待检测图像中的独立的微生物细胞目标对象， 即独立微生物细胞目标对 象， 可以便于对微生物细胞形态进行可靠的检测。 0030 可选地， 识别包括目标对象的待检测图像中的独立目标对象可以采用以下方式： 1)以预设的独立目标对象的尺寸作为参照， 通过过滤待检测图像， 识别出所有与预设的独 立目标对象的尺寸相同或相近的目标对象； 2)采用可区分独立目标的图像分类模型， 将待 检测图像输入图像分类模型， 图像分类模型便可。

35、将与独立目标对象不同的目标对象全部区 分开来。 0031 步骤102， 获取独立目标对象的关键部位的轮廓。 0032 本实施例中， 独立目标对象的关键部位是对独立目标对象最紧要的部分， 对于识 别独立目标对象起决定性作用的部位。 独立目标对象的关键部位包括以下任意一种： 1)独 立目标对象的重要的部位， 比如， 细胞的细胞膜； 2)独立目标对象上可突出独立目标的特征 说明书 3/20 页 9 CN 111563550 A 9 的部位， 比如， 神经元细胞对象的用于接受刺激的树突； 3)独立目标对象显著的部位， 比如， 蝌蚪状病毒对象的头部。 0033 可选地， 获取独立目标对象的关键部位的轮廓。

36、的方式的可以包括以下几种： 0034 1)采用计算机视觉库获取待检测图像中的独立目标对象的关键部位的轮廓， 计算 机视觉库中设置有轮廓查找算法， 在步骤101识别到独立目标对象之后， 通过轮廓查找算法 可以发现待检测图像中独立目标对象的轮廓， 并且将独立目标对象的关键部位的轮廓画出 来。 0035 计算机视觉库的种类可因应用的语言或者操作系统或者开发侧重点的不同而不 同， 比如OpenCV库(Open Source Computer Vision Library)， OpenCV是一个基于BSD (Berkeley Software Distribution， 伯克利软件套件)许可发行的跨平台。

37、计算机视觉库， 可以运行在Linux、 Windows和Mac OS操作系统上。 它轻量级而且高效由一系列C函数和 少量C+类构成， 同时提供了Python、 Ruby、 MATLAB等语言的接口， 实现了图像处理和计算机 视觉方面的很多通用算法， 进一步， 在步骤101识别到独立目标对象之后， 采用OpenCV库里 的findContours()函数寻找待检测图像中独立目标对象的轮廓， 然后基于关键部位在独 立目标对象的轮廓的位置， 采用OpenCV库里的drawContours()函数绘出待检测图像中独 立目标对象的关键部位的轮廓， 当然， 也可以在步骤101识别到独立目标对象之后， 直接。

38、采 用OpenCV库里的findContours()函数寻找待检测图像中独立目标对象的关键部位的轮 廓， 再采用OpenCV库里的drawContours()函数绘出待检测图像中独立目标对象的关键部 位的轮廓， 由此实现了上述获取待检测图像中的独立目标对象的关键部位的轮廓过程。 0036 2)基于深度学习的独立目标对象的关键部位的轮廓提取， 例如， 采用HED (Holistically-Nested Edge Detection， 整体嵌套边缘检测)进行边缘检测， 提取轮廓。 0037 其中， HED是一个深度学习的边缘提取的算法， 它具有两个特色： 整体图像训练 和预测； 多尺度、 多层特。

39、征学习， HED利用全卷积网络， 自动学习丰富的分层表示。 具体地， 基于深度学习的独立目标对象的关键部位的轮廓提取过程如下： 在步骤101识别到独立目 标对象之后， 去除或隐藏待检测图像中不属于独立目标对象的图像， 并将去除或隐藏处理 后的图像进行HED算法计算， 得到独立目标对象的轮廓， 然后基于关键部位在独立目标对象 的轮廓的位置， 得到独立目标对象的关键部位的轮廓。 0038 基于上述获取独立目标对象的关键部位的轮廓的方式较复杂， 本实施例的一些可 选实现方式中， 上述关键部位包括： 头部， 上述获取独立目标对象的关键部位的轮廓包括： 将待检测图像中的独立目标对象依次经过HSV色彩空间。

40、的Hue通道、 腐蚀和膨胀运算， 得到 所述独立目标对象的头部的轮廓。 0039 本实现方式， 在步骤101识别到独立目标对象之后， 由于关键部位在独立目标对象 上特殊性， 其与独立目标对象其他部位的具有区别， 而通过将待检测图像转化为HSV(Hue Saturation Value， 色相、 饱和度、 明度)色彩空间， 并通过设置HSV色彩空间的高低阈值得 到独立目标对象的关键部位的区域， 进一步， 通过腐蚀运算可以删除该区域某些像素， 通过 膨胀运算可以为该区域添加某些像素， 得到独立目标对象的关键部位的轮廓。 需要说明的 是， 本实施例中， 上述腐蚀和膨胀运算可以先进行腐蚀运算后进行膨胀。

41、运算， 也可以先进行 膨胀运算后进行腐蚀运算， 并且本实施例对腐蚀运算和膨胀运算的运算次数也不做具体限 定， 只要能产生较好效果的运算次数均在本实施例的保护范围之内。 说明书 4/20 页 10 CN 111563550 A 10 0040 具体地， HSV色彩空间可以将亮度从色彩中分解出来， 其中， 色相简称H， 饱和度简 称S， 明度简称V， HSV色彩空间可以用一个圆锥空间模型来描述， 圆锥的顶点处， V0， H和S 无定义， 代表黑色。 圆锥的顶面中心处V为最大值， S0， H无定义， 代表白色， 为了更好地感 知待检测图像的图像颜色， 可以利用HSV分量从图像中提取感兴趣的区域。 0。

42、041 本可选实现方式中， 采用HSV色彩空间的Hue通道分解待检测图像， 可以从待检测 图像中分解独立目标对象所在区域， 采用HSV色彩空间的Hue通道结构简单， 实现容易， 便于 从待检测图像中提取独立目标对象的关键部位所在区域。 0042 进一步， 图像的膨胀(dilation)和腐蚀(erosion)是两种基本的形态学运算， 主要 用来寻找图像中的极大区域和极小区域。 其中， 膨胀类似 “领域扩张” ， 将图像的高亮区域或 白的部分进行扩张， 其运行结果图比原图的高亮区域更大。 腐蚀类似 “领域被蚕食” ， 将图像 中的高亮区域或白色部分进行缩减细化， 其运行结果图比原图的高亮区域更小。

43、。 在对形态 学图像处理时， 腐蚀运算和膨胀运算组合使用的效果如下： 先腐蚀后膨胀的过程称为开运 算， 它具有消除细小物体， 在纤细处分离物体和平滑较大物体边界的作用； 先膨胀后腐蚀的 过程称为闭运算。 它具有填充物体内细小空洞， 连接邻近物体和平滑边界的作用。 通常由于 噪声的影响， 图像在阈值化后得到的边界通常都很不平滑， 物体区域具有一定噪声孔， 而背 景区域上散布着一些小的噪声物体， 连续的开和闭运算可以有效改善这种情况。 而有时， 需 要经过多次腐蚀， 然后加上相同次数的膨胀， 才能产生比较好的处理效果， 可见， 本可选实 现方式腐蚀与膨胀相结合可以使图像有较理想的处理效果。 004。

44、3 本可选实现方式中， HSV色彩空间的Hue通道、 腐蚀和膨胀均是传统的图像处理算 法， 本实施例中采用传统的图像处理算法生成独立目标对象的头部的轮廓， 可以为分离独 立目标对象的轮廓提供辅助帮助， 便于独立目标对象更快、 更精细的从待检测图像中分离 出来。 0044 步骤103， 由独立目标对象的关键部位的轮廓确定独立目标对象的关键部位的中 心坐标。 0045 本实施例中， 在得到关键部位的轮廓之后， 可以首先计算关键部位的图像矩， 然后 通过计算得到的图像矩， 标出独立目标对象的关键部位的中心坐标， 图像矩是对特征进行 参数描述的一种算法， 该特征可以是颜色特征、 纹理特征、 形状特征、。

45、 空间位置特征等。 0046 步骤104， 基于待检测图像与独立目标对象的关键部位的中心坐标， 提取独立目标 对象的轮廓。 0047 本实施例中， 每个独立目标对象的关键部位在整个独立目标对象的位置是固定 的， 在确定独立目标对象的关键部位以及关键部位的中心坐标之后， 首先可以按照上述获 取独立目标对象的关键部位的轮廓的方式， 获取独立目标对象的轮廓， 然后， 再由独立目标 对象的关键部位的中心坐标以及预设的独立目标对象的关键部位的中心坐标在整个独立 目标对象的位置， 通过与预设的独立目标对象的轮廓进行比对， 验证获取的独立目标对象 的轮廓是否正确， 由验证正确的独立目标对象的轮廓即为得到的独。

46、立目标对象的轮廓。 0048 步骤105， 根据独立目标对象的轮廓， 对独立目标对象进行形态检测。 0049 本实施例中， 可以首先获取正常形态的独立目标对象的轮廓， 将正常形态的独立 目标对象作为模板轮廓， 将独立目标对象的轮廓和模板轮廓进行比对， 若两者的相似度在 设定的相似阈范围之内， 确定独立目标对象的形态正常。 其中设定的相似阈范围可根据目 说明书 5/20 页 11 CN 111563550 A 11 标形态检测要求设置， 比如， 设定的相似阈范围为9095之间。 0050 综上， 本申请的实施例提供的基于图像技术的目标形态检测方法， 首先识别待检 测图像中独立目标对象， 然后获取。

47、独立目标对象的关键部位的轮廓； 再后由独立目标对象 的关键部位的轮廓确定独立目标对象的关键部位的中心坐标； 再后基于待检测图像与独立 目标对象的关键部位的中心坐标， 提取独立目标对象的轮廓； 最后根据独立目标对象的轮 廓， 对独立目标对象进行形态检测。 由此， 本申请中， 基于目标对象的关键部位的显著性， 确 定关键部位的轮廓， 由关键部位的轮廓确定独立目标对象的关键部位的中心坐标， 进一步 由关键部位的中心坐标辅助在待检测图像中提取独立目标对象的轮廓， 提高了独立目标对 象轮廓显示的可靠性， 更易于对独立目标对象的进行形态检测， 并且提高了形态检测的效 率。 0051 为了更好地对独立目标对。

48、象进行形态检测， 本实施例的一些可选实现方式中， 上 述根据独立目标对象的轮廓， 对独立目标对象进行形态检测， 进一步参考图2， 可以按照如 下流程200执行： 0052 步骤201， 基于独立目标对象的轮廓与独立目标对象的关键部位的中心坐标， 提取 独立目标对象的非关键部位的轮廓。 0053 本步骤中， 独立目标对象的部位包括： 关键部位和非关键部位， 非关键部位为独立 目标对象中除关键部位之外的部位， 非关键部位可以是独立目标对象的一个部位也可以独 立目标对象的多个部位， 比如蝌蚪状病毒对象的关键部位为头部， 蝌蚪状病毒对象的非关 键部位为颈部和尾部。 0054 由于独立目标对象为实体， 。

49、独立目标对象的关键部位的中心坐标至独立目标对象 的非关键部位各个点之间的距离可以通过测量得到， 从而可以由预先设置的关键部位的中 心坐标至独立目标对象的非关键部位各个点之间的距离确定独立目标对象的非关键部位 的轮廓。 0055 可选地， 上述基于独立目标对象的轮廓与独立目标对象的关键部位的中心坐标， 提取独立目标对象的非关键部位的轮廓， 包括： 0056 基于独立目标对象的关键部位的中心坐标以及独立目标对象的关键部位的中心 坐标至独立目标对象的非关键部位各个点之间的预设距离， 确定并提取独立目标对象的轮 廓中非关键部位的轮廓， 得到独立目标对象的非关键部位的轮廓。 0057 本可选方式中， 通。

50、过关键部位的中心坐标与非关键部位各个点之间的距离关系， 确定独立目标对象的非关键部位的轮廓， 给出了非关键部位的轮廓的一种得到方式， 保证 独立目标对象的轮廓得到的可靠性。 0058 步骤202， 基于独立目标对象的非关键部位的轮廓和独立目标对象的关键部位的 轮廓， 提取独立目标对象的非关键部位的清晰图像和关键部位的清晰图像。 0059 本实施例中， 在确定了独立目标对象的非关键部位的轮廓和独立目标对象的关键 部位的轮廓之后， 可以针对同一个独立目标对象从单视野下多个待检测图像中取该独立目 标对象的非关键部位的清晰图像和关键部位的清晰图像。 0060 具体地， 可以使用图像处理算法(比如去模糊。