[发明专利]基于自我学习机制的粘连菌落自动分割方法

权利要求书

1.一种基于自我学习机制的粘连菌落自动分割方法，其特征在于，按照如下步骤进行：

步骤一：分割模型的自我构建，具体包含以下过程：

过程（1），采集菌落彩色图像，分别提取n个粘连菌落彩色图像中菌落边缘区域（1）、菌落接触区域（2）以及菌落中心区域（3）内的红色分量R、绿色分量G和蓝色分量B的均值r、g和b，得到的n*3组数据，组建数组X _{n*3, 3}；所述数组X _{n*3, 3}的第1列、第2列和第3列分别保存红色分量R的均值r、绿色分量G的均值g和蓝色分量B的均值b；数组X _{n*3, 3}的第j*3-2行（j=1,2, …, n-1, n）依次保存n个粘连菌落彩色图像I_i中菌落边缘区域（1）的（r，g，b）值，数组X_{n*3, 3}的第j*3-1行（j=1, 2, …, n-1, n）依次保存n个粘连菌落彩色图像I_i中菌落接触区域（2）的（r，g，b）值，数组X _{n*3, 3}的第j*3行（j=1, 2, …, n-1, n）依次保存n个粘连菌落彩色图像I_i中菌落中心区域（3）的（r，g，b）值；

过程（2），建立数组Y _{n*3, 1}，保存数组X _{n*3, 3}中每一行的（r，g，b）值对应区域的属性，其中Y _{n*3, 1}数组中第j*3-2行（j=1, 2, …, n-1, n）、第j*3-1行（j=1, 2, …, n-1, n）的取值均为0，Y _{n*3, 1}数组中第j*3行（j=1, 2, …, n-1, n）的取值均为1；

过程（3），构建分割模型，将n个粘连菌落彩色图像I_i中的前Int (2*n/3)幅图像在数组X_{n*3, 3}和数组Y _{n*3, 1}对应的数据结合K最近邻分类算法构建分割模型 Y = F_knn（X）；其中Int(2*n/3)表示对2*n/3取整数；

步骤二：分割模型的自我测试，具体包含以下过程：

提取n个粘连菌落彩色图像I_i中的后n-Int (2*n/3)幅图像在数组X _{n*3, 3}和数组Y _{n*3, 1}对应的数据，测试已建立的分割模型；计算出分割模型的自我测试效果R，若R大于等于R_合格，则进入步骤三；若R小于R_合格且R小于R_合格累计出现的次数小于等于K次，则重新进入步骤一；若R小于R_合格且R小于R_合格累计出现的次数大于K次，则终止执行任何步骤；其中R_合格为90%，K为10；

步骤三：粘连菌落的自动分割，具体包含以下过程：

采集待分割的粘连菌落彩色图像I_D（D=1, 2, …, n-1, n），分别提取每一个像素点对应的红色分量R的均值r、绿色分量G的均值g和蓝色分量B的均值b，构成的输入变量X_D，代入已通过测试的分割模型Y = F_knn（X），逐一计算像素点对应的属性Y_D = F_knn（X_D），进而完成对待分割粘连菌落彩色图像的二值分割。

2. 根据权利要求1所述的一种基于自我学习机制的粘连菌落自动分割方法，其特征在于，步骤一过程（2）中所述数组Y _{n*3, 1}中0代表数组X _{n*3, 3}的对应的（r，g，b）值属于背景区域；1代表数组X _{n*3, 3}对应的（r，g，b）值属于目标区域；即菌落边缘区域（1）和菌落接触区域（2）的（r，g，b）值属背景区域，菌落中心区域（3）的（r，g，b）值属目标区域。