[发明专利]一种沙粒显微图像的多目标自动鉴别方法

摘要

本发明公开了一种沙粒显微图像的多目标自动鉴别方法，其步骤是：1)制备沙粒显微图像，使用中值滤波预处理；给沙粒样本图像添加对应标签，制备沙粒单元库；2)使用区域生长算法分割沙粒显微图像，去除杂质并提取多目标单元；3)计算沙粒单元的纹理和形状特征；4)基于沙粒单元库，训练RBF神经网络分类器；5)预测沙粒单元的类别，并输出沙粒显微图像的成分组成。本方法运用图像处理技术和机器学习方法，自动提取并识别沙粒显微图像中的多目标单元，能够解决图像中杂质较多从而影响多目标单元提取的问题。

主权项

1.一种沙粒显微图像的多目标自动鉴别方法，其特征在于包括以下步骤：1)制备沙粒显微图像，对其进行中值滤波预处理；给沙粒样本图像添加对应的类别标签，制备沙粒单元库；2)使用区域生长算法分割沙粒显微图像，去除杂质并提取多目标单元，作为待识别的沙粒单元；其具体步骤是：2.1)首先，使用超像素分割方法将沙粒显微图像划分为超像素集合；然后，对于给定超像素，针对其中包含的每个像素，抽取灰度，HSV，Lbp特征值，作为像素的特征向量，计算该超像素中所有像素特征向量的平均值，作为超像素的特征向量，其中，HSV是包含色调H，饱和度S，明度V的三通道颜色模型；Lbp是局部二值模式，用来描述像素的纹理特征；2.2)使用OTSU算法确定沙粒显微图像中分割前景和背景的阈值，从平均灰度小于阈值的超像素集合中随机选择一个超像素作为初始种子点；接着，使用随机游走算法选择其它种子点；设定种子总数seeds，seeds值小于40；设初始超像素种子点为出发点，等概率随机选择相邻超像素中的一个作为游走方向，游走到该相邻超像素，并计为一个步长；以随机步长step游走结束时，若当前超像素为非种子点，且当前超像素平均灰度和初始种子灰度差值的绝对值小于阈值δ₁取值范围0～20，则把此超像素作为种子点，并设为新的出发点；否则退回到出发点，重新以随机步长step游走；重复以上过程直到种子点数等于seeds，这样就得到用来区域生长的种子点集合；2.3)对每个种子点，利用区域生长算法合并种子点的相邻超像素，直到合并区域停止生长；在区域生长过程中，使用欧式距离作为超像素之间的相似性度量，只有相似性小于预设参数threshold的相邻超像素被归入合并区域；最终得到的图像包括一个合并区域和多个相互分离的单元；2.4)最后，对于合并区域外的多个相互分离的单元，若单元面积较小，少于35个像素，则把该单元归入合并区域，其它单元列为待合并单元；对每个待合并单元，计算其包含超像素的平均灰度，寻找合并区域中与其相邻的超像素集合，计算该超像素集合的灰度平均值，作为超像素集合的平均灰度；如果该单元平均灰度和超像素集合平均灰度差值的绝对值小于δ₂，δ₂取值范围0～20；则把该单元归入合并区域；最终得到沙粒显微图像的分割结果，删除合并区域，提取相互分离的单元作为多目标单元，每个单元即待识别的沙粒单元；3)计算沙粒单元的纹理特征和形状特征，作为沙粒单元的分类特征向量；4)基于沙粒单元库，训练RBF神经网络分类器；5)预测每个沙粒单元的类别，计算并输出沙粒显微图像的成分组成。