[发明专利]一种通过增强光学显微镜对动物纤维进行分类的方法

说明书

本发明公开了一种通过增强光学显微镜对动物纤维进行分类的方法，包括：从若干焦点堆栈图像中选择出清晰图像；融合输出加权图像；对加权图像进行二值化；识别待测纤维；为二值图像中的每一待测纤维建立掩膜；对掩膜执行腐蚀算法，直至保留1像素宽的骨架；从若干骨架中提取不具有短枝的骨架，收集坐标并排序；使骨架由曲线转变为直线，并将待测纤维的像素点重新定位到骨架上，得到纤维图像；对纤维图像进行预处理步骤并将若干纤维片段输入卷积神经网络分类并输出，和/或将若干纤维图像输入半启发式算法模块分类并输出。本发明将光学显微镜的高分辨率图片与分析图像处理、深度学习相结合，以便自动或半自动地检测和分类羊毛纤维的混合物。

技术领域

本发明涉及纤维分类的技术领域，尤其涉及一种通过增强光学显微镜对动物纤维进行分类的方法。

背景技术

目前的天然纤维分类工作流程受到ISO标准和扩展的中国标准的严格监管。为了区分一种天然纤维与另一种天然纤维的来源(例如来自羊毛的绒或来自牦牛的绒)，其步骤的顺序通常由人类专家进行图像采集、测量纤维直径、并识别鳞片的全部排列来进行。这是一项耗时的任务，需要专家的专业知识和奉献精神。特别是对于纤维混合物，需要以更高的精度进行识别。

一些高质量的纤维仅通过光学显微镜难以区分，因此需要使用扫描电子显微镜(SEM)，并咨询相应的专家以得出确定的答案，这需要更长的时间。

实际上，目前已出现采用视觉进行天然纤维分类的方法，但是利用高分辨率的扫描电子显微图像对天然纤维进行分类的方法亟待开发。

发明内容

有鉴于此，本发明的目的在于提供一种通过增强光学显微镜对动物纤维进行分类的方法。

为了实现上述目的，本发明采取的技术方案为：

一种通过增强光学显微镜对动物纤维进行分类的方法，其中，包括：

步骤S1：提供待测纤维的若干焦点堆栈图像，并从若干所述焦点堆栈图像中选择出若干清晰图像，若干所述清晰图像中位置相同的像素为对应像素；

步骤S2：选取每一所述清晰图像中的对应像素，计算每一所述对应像素中的最大值和最小值的加权和，并融合输出加权图像；

步骤S3：对所述加权图像进行二值化，得到二值图像；

步骤S4；识别所述二值图像中的所述待测纤维；

步骤S5：为所述二值图像中的每一所述待测纤维建立掩膜；

步骤S6：针对每一所述待测纤维，对所述掩膜执行腐蚀算法，直至保留1像素宽的骨架；

步骤S7：从若干所述骨架中提取不具有短枝的骨架；

步骤S8：收集不具有所述短枝的所述骨架的坐标并排序；

步骤S9：建立一坐标集，将不具有短枝的所述骨架分别映射至所述坐标集以使所述骨架由曲线转变为直线，并根据所述待测纤维的像素点与所述骨架之间的坐标关系，将所述待测纤维的像素点重新定位到所述骨架上，形成拉直的纤维图像，并执行步骤S10.1至步骤S10.2和/或步骤S11.1；

步骤S10.1：对所述纤维图像进行预处理步骤，得到若干具有相同高度和相同宽度的纤维片段；

步骤S10.2：将若干所述纤维片段输入卷积神经网络，所述卷积神经网络对所述纤维片段进行分类并输出；

步骤S11.1：将若干所述纤维图像输入半启发式算法模块，所述半启发式算法模块对所述纤维图像进行分类并输出；

其中，所述卷积神经网络包括若干用于检测视觉特性的卷积块、以及若干用于分类的密集块，所述卷积神经网络通过纤维图像训练集和纤维图像验证集进行训练；