[发明专利]一种ELMs丝状结构提取方法

权利要求书

1.一种ELMs丝状结构提取方法，其特征在于，具体步骤为：

获取原始图像：基于偏滤器可见相机系统采集原始图像；

获得检测目标：依据原始图像利用背景差分法获得检测目标；

拉伸检测目标：对检测目标进行对比度拉伸处理，获得拉伸图像；

分割拉伸图像：利用深度学习对拉伸图像进行分割，筛选出属于ELMs丝状结构的像素点。

2.根据权利要求1所述的一种ELMs丝状结构提取方法，其特征在于，在获取检测目标时需要构建背景模型，背景模型表达式为：

式中，B(i，j)为背景模型中坐标为(i，j)像素的灰度值；n为进行平均的帧数；(f₁(i，j)，f₂(i，j)，…，f_n(i，j))为各帧图像中坐标为(i，j)像素的灰度值；f′_k(i，j)为将当前帧与背景模型相减得到的图像中坐标为(i，j)像素的灰度值。

3.根据权利要求1所述的一种ELMs丝状结构提取方法，其特征在于，在拉伸检测目标中，对比度拉伸公式为：

式中，I(i，j)为坐标为(i，j)像素的灰度值；I_max为当前帧灰度最大值；I_min为当前帧灰度最小值。

4.根据权利要求1所述的一种ELMs丝状结构提取方法，其特征在于，分割拉伸图像时采用Unet网络模型进行图像分割。

5.根据权利要求4所述的一种ELMs丝状结构提取方法，其特征在于，Unet网络模型包括收缩路径和扩张路径。

6.根据权利要求5所述的一种ELMs丝状结构提取方法，其特征在于，收缩路径中采用ReLU激活函数。

7.根据权利要求5所述的一种ELMs丝状结构提取方法，其特征在于，扩张路径采用Sigmoid函数，使输出数据为各个像素点属于ELMs丝状结构的概率值。

8.根据权利要求7所述的一种ELMs丝状结构提取方法，其特征在于，当任一个像素点属于ELMs丝状结构的概率值大于0.5，则判定任一个像素点为属于ELMs丝状结构的像素点。

9.根据权利要求1所述的一种ELMs丝状结构提取方法，其特征在于，Unet网络模型的训练步骤为：

获取数据集，将数据集按比例划分为训练集和测试集；

对训练集的中的图像的大小调整至预设值；

将大小调整完成的图像进行数据增强处理；

利用数据增强后的图像对Unet网络模型进行训练。

10.根据权利要求4所述的一种ELMs丝状结构提取方法，其特征在于，Unet网络模型的损失函数表达式为：

式中，M为类别数；y_c为该类别与真实类别的是否相同的判别；p_c为预测值。