[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

说明书

本发明公开了一种动物毛皮显微图像分类方法、装置、电子设备及存储介质，通过信息熵评估图像数据，确定图像中含有有效动物毛皮的信息熵，接着根据信息熵将图像送入双流EfficientNet网络的相应的分路中，最后通过融合策略将两路子网络分类结果进行融合得到最终分类结果，从而实现噪声和干扰过大的动物毛皮显微图像的精准识别，从而大大提升了动物毛皮显微图像分类的实际准确率。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种动物毛皮显微图像分类方法、装置、电子设备及存储介质。

背景技术

动物毛皮显微图像识别是对通过显微镜获取的动物毛皮的图像进行识别的技术，广泛应用于案件侦查、毛皮质量检测和毛皮真伪鉴定等领域，属于细粒度图像识别的范畴。由于动物毛皮显微图像分类具有细粒度图像分类任务中类内差距较大，类间差距较小的特点，目前主要是采用深度学习算法对动物毛皮图像进行识别。

近年来，基于强监督信息的深度学习成为了热门研究对象。在传统分类的基础上，衍生出了关键点信息、局部检测框以及最大熵检测等分类算法，通过局部定位来区分图像中重要信息和不重要信息，但相对的，由于局部信息的作用难以判定，研究者们往往无法判断特征对网络的作用，并且上述的算法也难以适应噪声更多的动物毛皮识别，从而导致最后对动物毛皮显微图像的分类准确性较低。

发明内容

本发明的主要目的在于解决现有技术中的分类算法对动物毛皮显微图像的分类准确性较低的技术问题。

本发明第一方面提供了一种动物毛皮显微图像分类方法，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；

计算所述切割图像数据集中各毛皮图像的信息熵，基于所述信息熵将所述切割图像数据集划分为两个数据子集；

将两个所述数据子集分别输入至预设的双流神经网络对应的子网络结构中进行分类识别检测，得到第一分类结果和第二分类结果；

利用与所述双流神经网络对应的双流网络融合策略对所述第一分类结果和第二分类结果进行融合处理，得到融合分类结果；

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。

可选的，在本发明第一方面的第一种实现方式中，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。

可选的，在本发明第一方面的第二种实现方式中，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一定距离的区域；

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。

可选的，在本发明第一方面的第三种实现方式中，所述计算所述切割图像数据集中各毛皮图像的信息熵，基于所述信息熵将所述切割图像数据集划分为两个数据子集包括：

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；