[发明专利]一种基于二维模糊熵的粘连物分割方法

权利要求书

1.一种基于二维模糊熵的粘连物分割方法，其特征在于，该方法包括以下步骤：

S1：采集粘连物图像并提取目标粘连物图像；

S2：在步骤S1的基础上获得所述粘连物图像的初始分割区域；

S3：计算初始分割区域中的过分割区域和正确分割区域之间的最佳分割阈值，根据所述最佳分割阈值得到过分割区域和正确分割区域；

S4：计算过分割区域合并后的区域特征；

S5：将所述区域特征与标准样本特征模型进行比较，选择与标准样本特征模型距离最小的所述区域特征对应的区域作为合并区域，进而得到粘连物的分割结果。

2.根据权利要求1所述的方法，其特征是，所述步骤S2具体为通过分水岭法获得粘连物图像的初始分割区域。

3.根据权利要求1所述的方法，其特征是，所述步骤S3具体包括：

S31：确定粘连物图像的隶属度函数；

S32：根据所述隶属度函数对粘连物图像进行二维划分；

S33：通过所述二维划分得到二维模糊熵；

S34：对所述二维模糊熵做最大化处理，得到初始分割区域的过分割区域和正确分割区域的最佳分割阈值，得到过分割区域和正确分割区域。

4.根据权利要求3所述的方法，其特征是，所述最佳分割阈值的计算公式为：

(a,b,c,d)=Argmax_M×N(H)

其中：

a为过分割区域像素最小分割阈值；

b为过分割区域像素最大分割阈值；

c为过分割区域相对高度最小分割阈值；

d为过分割区域相对高度最大分割阈值；

H为二维模糊熵。

5.根据权利要求1所述的方法，其特征是，所述过分割区域合并后的区域特征包括面积、周长、圆形度、紧密度、Hu不变矩和NMI特征。

6.根据权利要求1所述的方法，其特征是，所述步骤S5具体包括：

S51：建立标准样本库，根据标准样本库中的标准样本的特征建立标准样本特征模型；

S52：计算所述区域特征和标准样本特征模型之间的距离；

S53：选择所述距离中的最小值对应的区域作为合并区域，得到粘连物的分割结果。

7.根据权利要求6所述的方法，其特征是，所述步骤S51具体包括：

S511：将标准样本的特征的观察值与高斯模型进行匹配；

S512：若所述标准样本的特征的观察值和高斯模型的均值的差的绝对值在设定范围内，则认为所述标准样本的特征的观察值符合所述高斯模型的分布，更新高斯模型的均值、方差和权重系数；否则，增加一个均值为所述观察值的高斯模型，并初始化该高斯模型对应的方差和权重系数；

S513：当所有标准样本的特征完成高斯模型匹配时，得到标准样本特征模型。