[发明专利]一种用于颗粒污染物显微图像识别的基准数据集生成方法

权利要求书

1.一种用于颗粒污染物显微图像识别的基准数据集生成方法，其特征在于，所述方法包括：

步骤S1)采集颗粒污染物显微图像序列，生成图像基础数据集；

步骤S2)对图像基础数据集中的图像进行图像缩小，得到图像缩小数据集；

步骤S3)对图像缩小数据集中的图像进行旋转，得到图像旋转数据集；

步骤S4)对图像基础数据集中的图像进行颗粒缩小，得到颗粒缩小数据集；

步骤S5)对图像缩小数据集中的图像进行光照补偿处理，得到均匀光照数据集；

步骤S6)对均匀光照数据集进行非均匀处理，得到非均匀光照数据集；

步骤S7)对所有数据集按类别和尺寸进行数量统计分析，得到各个数据集包含的颗粒个数，每个颗粒的类别和尺寸；

步骤S8)对所有数据集进行准确率分析，得到准确率对照数据，从而生成由准确率对照数据构成的用于颗粒污染物显微图像识别的基准数据集。

2.根据权利要求1所述的一种用于颗粒污染物显微图像识别的基准数据集生成方法，其特征在于，所述的方法具体包括：

步骤S1-1)根据国际标准ISO 16232中的颗粒污染物检验方法得到颗粒污染物显微灰度图像序列S；

步骤S1-2)对颗粒污染物显微灰度图像序列S中的每张图像A，标注出较大的颗粒污染物，得到标注图像B；

步骤S1-3)对未标注的颗粒污染物平滑为背景，将标注图像B按块进行划分得到灰度图像数据集D11，将标注图像B转换成三值图像C，得到标签图像数据集D12，根据灰度图像数据集D11和标签图像数据集D12生成包含有灰度图像数据集D11和标签图像数据集D12的颗粒污染物图像基础数据集D1；

步骤S2-1)将灰度图像数据集D11进行k倍缩小，得到图像缩小的灰度图像数据集D21，所述的k为大于2的正整数；

步骤S2-2)将标签图像数据集D12中的三值图像C转换成二值图像E，包含的两个值记为{e₁,e₂}，e₁e₂，其中C到E的元素映射关系为：

其中c₁,c₂,c₃分别是三值图像C的像素值；

步骤S2-3)对二值图像E进行k倍缩小，得到图像E1，并对图像E1进行二值化，得到包含像素值为c₁,c₃的二值图像E2；

步骤S2-4)对二值图像E2进行外轮廓检测，将外轮廓在二值图像E2中对应位置的像素值改为c₂，得到图像缩小的标签图像数据集D22；

步骤2-5)由图像缩小的灰度图像数据集D21和图像缩小的标签图像数据集D22得到含有图像缩小的灰度图像数据集D21和图像缩小的标签图像数据集D22的图像缩小数据集D2；

步骤S3-1)将步骤S2-1)得到的图像缩小的灰度图像数据集D21进行p度旋转，得到旋转灰度图像数据集D31，其中p为0到360°的任意值；

步骤S3-2)将步骤S2-3)得到的二值图像E1进行p度旋转，得到图像E3，并对图像E3进行二值化，得到包含像素值为c₁,c₃的二值旋转图像E4；

步骤S3-3)对二值旋转图像E4进行外轮廓检测，将外轮廓在二值旋转图像E4中对应位置的像素值改为c₂，得到旋转标签图像数据集D32；

步骤3-4)由旋转灰度图像数据集D31和旋转标签图像数据集D32得到含有旋转灰度图像数据集D31和旋转标签图像数据集D32的图像旋转数据集D3；

步骤S4-1)将步骤S2-2)得到的二值图像E进行连通域分析，得到颗粒污染物连通域索引标记图像F；

步骤S4-2)记第i个颗粒污染物的连通域索引标记为f_i，背景连通域索引标记为f₀，遍历每个索引标记f_i，取出f_i外接矩形在灰度图像数据集D11、二值图像E和连通域索引标记图像F中的对应位置图像块，分别记为灰度图像块G1、二值图像块G2、标记图像块G3；

步骤S4-3)将标注图像B按块进行划分，找出每个子块图像中未标注的像素出现次数最多的b个像素值找出灰度图像块G1中非颗粒污染物像素出现次数最多的b个像素值构成像素集V₁，V₁＝{v₁,v₂,...,v_b}，b为5到8的正整数；

步骤S4-4)对图像块G1、G2、G3中的f_i区域按列进行k₁倍缩小，分别得到宽缩小的图像块G11、G21、G31，其中k₁为2；

步骤S4-5)根据步骤S4-4)对图像块G11、G21、G31中的f_i区域按行进行k₁倍缩小，分别得到高缩小图像块G12、G22、G32；

步骤S4-6)将灰度图像数据集D11中的G1位置的图像块用图像块G12替换，得到颗粒缩小的灰度图像数据集D41；

步骤S4-7)将图像E中的G2位置图像块用G21替换，得到二值图像E3；

步骤S4-8)对图像E3进行外轮廓检测，将外轮廓在图像E3中对应位置的像素值改为c₂，得到颗粒缩小的标签图像数据集D42；

步骤S4-9)由灰度图像数据集D41和标签图像数据集D42得到含有颗粒缩小的灰度图像数据集D41和颗粒缩小的标签图像数据集D42的颗粒缩小数据集D4；

步骤S5-1)根据步骤S2-1)得到的图像缩小数据集D2计算背景图H；

步骤S5-2)定义颗粒缩小数据集D4中的图像光照拟合函数为：

其中g(x,y)表示坐标为(x,y)的像素值，(x₀,y₀)表示光源位置的坐标值，t₀为光源位置像素值，k₀为常数，由背景图H拟合出函数g(x,y)中的四个参数x₀、y₀、k₀和t₀；

步骤S5-3)根据光照拟合函数g(x,y)对图像缩小数据集D2中的灰度图像数据集D21进行光照补偿，得到均匀光照灰度图像数据集D51，光照补偿函数为：

其中g′(x,y)为补偿后的像素值；

步骤S5-4)由灰度图像数据集D51和标签图像数据集D22得到含有灰度图像数据集D51和标签图像数据集D22均匀光照图像数据集D5；

步骤S6-1)根据步骤S5-2)求得的光照拟合函数对均匀光照灰度图像数据集D51进行光照非均匀处理，其映射函数为：

调整x₀、y₀、k₀和t₀赋值，得到非均匀光照灰度图像数据集D61；

步骤S6-2)由非均匀光照灰度图像数据集D61和标签数据集D22得到含有非均匀光照灰度图像数据集D61和标签数据集D22的非均匀光照图像数据集D6；

步骤S7-1)根据所有数据集的标签图像计算每个颗粒的长和宽，以轮廓最小外接圆的直径作为颗粒污染物的长度γ，以轮廓最小外接矩形的宽作为颗粒污染物的宽度η；

步骤S7-2)根据颗粒污染物的宽度η将颗粒污染物划分成8个数值单位为微米的级别，分别为L_K(η≥1000)，L_J(600≤η1000)，L_I(400≤η600)，L_H(200≤η400),L_G(150≤η200),L_F(100≤η150)，L_e(50≤η100)，L_D(η50)；

步骤S7-3)对每个颗粒划分成非金属、金属和纤维3种类型，如果颗粒污染物的长和宽满足γ/ηλ₁或者调用opencv的系统函数中的轮廓像素面积满足则颗粒污染物为纤维，否则为非纤维，其中λ₁,λ₂为阈值，分别为10和0.3，对于非纤维颗粒，根据其灰度图像中较亮像素值的占比情况来判断是金属还是非金属，记较亮像素值阈值为λ₃＝220，占比阈值为λ₄＝0.1，像素值大于λ₃的个数为如果则为金属，否则为非金属；

步骤S7-4)统计各个数据集中不同类型不同宽度级别各自的颗粒数；

步骤S8-1)将各个数据集划分成训练集和测试集，使用DeepLabV3+网络进行模型训练和测试，计算像素级别的交并比、查全率和查准率3个指标，以及颗粒级别在不同类型不同宽度级别下的查全率和查准率；

步骤S8-2)对均匀光照数据集D5中的测试集采用ISO 16232标准中的步骤进行测试，计算像素级别的交并比、查全率和查准率3个指标，以及颗粒级别在不同类型不同宽度级别下的查全率和查准率；

步骤S8-3)将经过步骤S8-1)和步骤S8-2)得到准确率对照数据，从而生成由准确率对照数据构成的用于颗粒污染物显微图像识别的基准数据集。