[发明专利]动物毛皮显微图像分类方法、装置、电子设备及存储介质

权利要求书

1.一种动物毛皮显微图像分类方法，其特征在于，所述动物毛皮显微图像分类方法包括：

获取动物毛皮显微图像，并从所述动物毛皮显微图像中提取含有有效的动物毛皮特征的毛皮图像，得到切割图像数据集；

采用通道最大值法，将所述切割图像数据集中的各毛皮图像调整为图像灰度图；

计算所述图像灰度图中各新像素值出现的概率，以及所述概率的对数值；

根据所述概率和所述对数值，计算出所述图像灰度图对应的毛皮图像的信息熵，并基于所述信息熵计算所有毛皮图像的平均信息熵；

将各所述毛皮图像的信息熵与所述平均信息熵进行比较，基于比较的结果对所有毛皮图像进行分类，得到两个数据子集；

将两个所述数据子集中信息熵低于平均信息熵的第一数据子集，输入至双流神经模型中低信息熵的第一路网络结构中，所述第一路网络结构对所述第一数据子集中各毛皮图像进行深度特征的识别分类，得到第一分类结果；

将两个所述数据子集中信息熵不低于平均信息熵的第二数据子集，输入至所述双流神经模型中高信息熵的第二路网络结构中，经过所述第二路网络结构对所述第二数据子集中各毛皮图像进行深度特征的识别分类，得到第二分类结果；其中，所述深度特征的识别分类为使用预设的复合系数对所述毛皮图像的深度、宽度和分辨率进行统一的缩放处理后进行卷积计算，得到动物毛皮特征的特征向量，基于所述特征向量进行毛皮类别的匹配，得到分类结果，所述分类结果为分类向量；

分别计算所述第一分类结果和第二分类结果的分类向量的数目和分类向量的总数目；

根据所述第一分类结果和第二分类结果的分类向量的数目和总数目，计算出所述第一分类结果的第一占比和所述第二分类结果的第二占比；

根据所述第一占比和第二占比，将所有分类向量进行融合计算，得到融合分类结果，其中，所述融合计算的计算公式为：

，

x表示融合分类结果，第一数据子集中第i个图像的分类向量为x_i，第一分类结果中分类向量的数目为n₁，第一数据子集中第j个图像的分类向量为x_j，第二分类结果中分类向量的数目为n₂，g为常量；

根据所述融合分类结果对所述动物毛皮显微图像进行分类。

2.根据权利要求1所述的动物毛皮显微图像分类方法，其特征在于，所述获取动物毛皮显微图像，并从所述动物毛皮显微图像中提取含有有效的动物毛皮特征的毛皮图像，得到切割图像数据集包括：

通过固定光照后的电子显微镜拍摄待识别的动物的毛皮，得到动物毛皮显微图像；

利用图像处理技术识别所述动物毛皮显微图像中含有有效的动物毛皮特征的区域，并标记；

根据所述标记将所述动物毛皮显微图像分切为大小相等的毛皮图像，得到切割图像数据集。

3.根据权利要求2所述的动物毛皮显微图像分类方法，其特征在于，所述根据所述标记将所述动物毛皮显微图像分切为大小相等的毛皮图像，得到切割图像数据集包括：

以各所述标记所在的区域为中心，将所述动物毛皮显微图像切分为大小等于N*N的多个毛皮图像；

利用边缘像素检测技术，检测各所述毛皮图像中边缘区域的新像素值的数量/数目，其中所述边缘区域为以毛皮图像的四条边框向毛皮图像内延伸至距离图像预设距离的区域，其中所述预设距离为从四条边框起图像外层20%区域的像素值；

从所述多个毛皮图像中筛选所述数量/数目满足预设阈值的图片形成切割图像数据。