一种基于机器视觉的免疫层析结果判读方法

摘要

本发明公开一种基于机器视觉的免疫层析结果判读方法，其特征步骤是：一：采集免疫层析测试区显色特征区域及其周边非特征区的原始图像I，并获取免疫层析测试区显色特征区域的信息B；二：以非特征区的背景，采用最大似然法拟合出免疫层析测试区显色特征区域可能的背景图像信息C；三：根据背景差分方法，B与C差分，得到免疫层析测试区显色特征区域中前景的真实颜色信息D；四：根据息D统计出免疫层析测试区显色特征区域包含颜色信息熵的大小。其显著效果是：根据数字图像处理技术和仿人视觉技术，结合背景建模技术，剔除掉图像中的毛刺、瑕疵和噪声，精确提取出免疫层析测试区显色区域的颜色信息熵，以量化形式反应出显色的深浅程度。

主权项

1.一种基于机器视觉的免疫层析结果判读方法，其特征在于按以下步骤进行：步骤一：采集免疫层析测试区显色特征区域及其周边非特征区的原始图像I，并获取免疫层析测试区显色特征区域的信息B；步骤二：以非特征区的背景，采用最大似然法，拟合出免疫层析测试区显色特征区域可能的背景图像信息C；步骤三：根据背景差分方法，用所述免疫层析测试区显色特征区域的图像信息B与背景图像信息C进行差分，得到免疫层析测试区显色特征区域中前景的真实颜色信息D；步骤四：然后根据真实颜色信息D统计出免疫层析测试区显色特征区域包含信息熵的大小；所述原始图像I为：I＝{f(x,y)|(0＜x＜＝width)&(0＜y＜＝height)}其中，f(x,y)代表图像中在(x,y)像素点处的RGB三维向量，width为图像的宽度，height为图像的高度；所述免疫层析测试区显色特征区域的信息B为：B＝{Bⁱ|i∈1…n}$B^i=\left\{B^i\left(x\right)\right|x_{\mathrm{left}}^i<x<x_{\mathrm{right}}^i\}$Bⁱ(x)＝(Bⁱ(x,1),Bⁱ(x,2),Bⁱ(x,3))Bⁱ(x,m)＝{f(x,y,m)|0＜y＜＝height}其中i为免疫层析测试区显色特征区域的个数，为第i个免疫层析测试区显色特征区域的左边缘，为第i个免疫层析测试区显色特征区域的右边缘；将图像I的向x轴的投影设为E(x)，即使关于x轴方向的height×3二维向量，其表达式如下：E(x)＝(E¹(x)',E²(x)',E³(x)')$E^m\left(x\right)=\frac{1}{\mathrm{height}}\times \underset{j=1}{\overset{\mathrm{height}}{\Sigma }}\left(f(x,j,m)\right)$其中m的取值为1、2、3分别代表着R、G、B维度，f(x,j,m)代表着在图像I中(x,j)点处的第m分量的颜色值；所述免疫层析测试区显色特征区域建模过程如下：第i个免疫层析测试区显色特征区域第m个颜色维度的左、右边缘非特征区采样点集合为：$H_{\mathrm{left}}^i\left(m\right)=\left\{(x,E^m\left(x\right))\right|0<x_{\mathrm{left}}^i-\Delta <x<x_{\mathrm{left}}^i\}$$H_{\mathrm{right}}^i\left(m\right)=\left\{(x,E\left(x\right))\right|x_{\mathrm{right}}^i<x<x_{\mathrm{right}}^i+\Delta <\mathrm{width}\}$Δ值决定拟合采样点的多少；拟合背景所选取的曲线形式，则需要根据图像采集光源的具体情况进行分析，如采用单光源，则图像的背景程抛物线形式分布，即第i个免疫层析测试区显色特征区域第m个颜色维度关于x轴的函数表达式为：cⁱ(x,m)＝k×(x-x0)²+a   $x\in (x_{\mathrm{left}}^i-\Delta ,x_{\mathrm{right}}^i+\Delta )$其中k、x0、a为抛物线的形状控制参数；假如采用平行光源，则可通过线性拟合便可进行背景建模，函数形式为：cⁱ(x,m)＝k×x+a在确定函数的形式后，由于集合均满足函数形式，即采用常用的最小二乘法或者是最大似然法，可得到相关位置参数，然后便拟合出免疫层析测试区显色特征区域的背景函数；所述免疫层析测试区显色特征区域中前景的真实颜色信息D获取如下:获取第i个免疫层析测试区显色特征区域x轴上第m个颜色维度的真实颜色信息Dⁱ(x,m)：Dⁱ(x,m)＝Bⁱ(x,m)-cⁱ(x,m)Dⁱ(x,y,m)＝f(x,y,m)-cⁱ(x,m)Dⁱ(x)＝(Dⁱ(x,1),Dⁱ(x,2),Dⁱ(x,3))$D^i=\left\{D^i\left(x\right)\right|x_{\mathrm{left}}^i<x<x_{\mathrm{rightt}}^i\}$D＝{Dⁱ|i＝1…n}其中，D为图像上所有免疫层析测试区显色特征区域真实的颜色矩阵；则总体的颜色信息熵Entropyⁱ包括R、G、B分别得颜色信息熵Entropy_R、Entropy_G、Entropy_B，其分别得表达式如下所示：${\mathrm{Entropy}}_R^i=\underset{x=x_{\mathrm{left}}^i}{\overset{x_{\mathrm{right}}^i}{\Sigma }}\underset{y=0}{\overset{\mathrm{height}}{\Sigma }}{D}^i(x,y,1)$${\mathrm{Entropy}}_G^i=\underset{x=x_{\mathrm{left}}^i}{\overset{x_{\mathrm{right}}^i}{\Sigma }}\underset{y=0}{\overset{\mathrm{height}}{\Sigma }}{D}^i(x,y,2)$${\mathrm{Entropy}}_B^i=\underset{x=x_{\mathrm{left}}^i}{\overset{x_{\mathrm{right}}^i}{\Sigma }}\underset{y=0}{\overset{\mathrm{height}}{\Sigma }}{D}^i(x,y,3)$${\mathrm{Entropy}}^i=\lambda 1\times {\mathrm{Entropy}}_R^i+\lambda 2\times {\mathrm{Entropy}}_G^i+\lambda 3\times {\mathrm{Entropy}}_B^i$上式中λ1、λ2、λ3分别为对总体颜色信息熵的作用，选取λ1=-2、λ2＝1、λ3=1。