[发明专利]一种粒子快速自动分类方法及其实现装置

权利要求书

1.一种粒子快速自动分类方法，其特征在于包括下列步骤：

（1）通过收集粒子检测仪散射光信号获得粒子分类信息，将粒子的体积信息和内部复杂度信息分别映射为二维向量，形成散点图；

（2）对得到的二维向量进行平滑滤波；

（3）在二维坐标系中得到滤波后的所有粒子的二维向量所表示的投影直方图；

（4）利用投影直方图确立波峰波谷对粒子进行初步划分；

（5）对初步划分后的剩余粒子进行二次划分；

（6）利用边界特征曲线对分好的散点图的几部分进行修正，使分类更加准确；（7）根据步骤（4）（5）（6）划分的各区域的结果，统计各区域粒子个数。

2.如权利要求1所述的一种粒子快速自动分类方法，其特征在于：所述步骤（1）包括以下步骤：收集粒子体积信息和内部复杂度信息，从而形成二维向量，进而形成散点图，对于散点图上的每个点P，可以用（x,y）来表示，其中x为点P在X轴方向的坐标，y为点P在Y轴方向的坐标。

3.如权利要求1所述的一种粒子快速自动分类方法，其特征在于：所述步骤（2）和（3）中，对得到的二维向量，即散点图中的所有的点进行Savitzky-Golay filtering滤波，从而在二维坐标系中得到滤波后的所有粒子的二维向量所表示的投影直方图。

4.如权利要求1所述的一种粒子快速自动分类方法，其特征在于：所述步骤（4）在各方向投影直方图中寻找波峰波谷，最后根据波谷位置来确立各区域分界线。

5.如权利要求1所述的一种粒子快速自动分类算法及实现特征在于：所述步骤（5）是对步骤（4）中划分完毕后的剩余粒子再次进行划分，主要依据是：所剩余粒子到各个已划分区域的距离的远近，区域i的中心设为                                               ，则剩余粒子点p(x,y)到达区域i的距离为：

其中：，  。

6.如权利要求1所述的一种粒子快速自动分类方法，其特征在于：所述步骤（6）是通过寻找边界特征点形成边界特征曲线对分好的散点图的几部分进行修正，从而光滑各区域边界，并使分类更加准确，而边界特征点的形成是通过寻找该区域在邻近区域的K-nearest neighbors形成的，最后形成光滑曲线，就是两相邻区域的边界线；

建立K-nearest neighbors的算法描述如下：

其中P为原始点数据，O_i为每个K-nearest neighbors的中心点，k取值范围为：0<k<0.05n（n为原始点数据的个数）；

Input P, k;

Create (KD_Tree);

Compute O_i in each K-nearest neighbors;

For (i=1;i<=num(O_i);i++)

{create K-nearest neighbors according each O_i;}

Output all K-nearest neighbors。

7.如权利要求1所述的一种粒子快速自动分类方法的实现装置，其特征在于：由以下模块构成：

    二维向量信息读取模块：借助光学散射理论，收集粒子体积信息和内部复杂度信息，从而形成二维向量，进而形成散点图，对于散点图上的每个点P，可以用（x,y）来表示，其中x为点P在X轴方向的坐标，y为点P在Y轴方向的坐标；

    噪声滤波平滑模块：对得到的二维向量，即散点图中的所有的点进行Savitzky-Golay filtering滤波，从而在二维坐标系中得到滤波后的所有粒子的二维向量所表示的投影直方图；

    对粒子区域进行初步划分模块：在各方向投影所得的二维投影直方图上寻找波谷位置，从而完成各区域的初步划分；

    二次划分模块：按照首次划分所剩余粒子到各个已划分区域的距离的远近进行再次划分，区域i的中心设为，则剩余粒子点p(x,y)到达区域i的距离为：

其中：，  ；

    边界特征曲线提取模块：通过寻找边界特征点形成边界特征曲线对分好的散点图的几部分进行修正，从而光滑各区域边界，并使分类更加准确，而边界特征点的形成是通过寻找该区域在邻近区域的K-nearest neighbors形成的，最后形成光滑曲线，就是两相邻区域的边界线；

    分类计数模块：统计各区域的粒子个数。