[發明專利]一種基于無監督逐像素分類的角毛藻圖像分割方法

有效

• 申請號: 201810763944.2
• 申請日: 2018-07-12
• 公開（公告）號: CN108961301B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 鄭海永;湯寧;顧肇瑞;俞智斌;鄭冰
• 申請（專利權）人: 中國海洋大學
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/13;G06T5/40;G06T5/30;G06N3/04
• 代理公司: 重慶敏創專利代理事務所(普通合伙) 50253
• 代理人: 陳千

1.一種基于無監督逐像素分類的角毛藻圖像分割方法，其特征在于，包括如下步驟：

S1：利用GSDAM圖像處理算法提取原始圖像I₀的角毛信息，得到角毛信息圖像G，同時，利用Canny圖像處理算法提取所述原始圖像I₀的細胞邊緣，得到細胞邊緣圖像C；

其中，所述利用GSDAM圖像處理算法提取原始圖像I₀的角毛信息，得到角毛信息圖像G，具體包括：

A1：所述原始圖像I₀的任意一個像素點A(i,j)，其灰度為I(i,j)，與所述像素點A(i,j)相鄰的三個像素為B(i,j+1)，C(i+1,j)，和D(i+1,j+1)，其中，所述B(i,j+1)對應的灰度為I(i,j+1)，所述C(i+1,j)對應的灰度為I(i+1,j)，所述D(i+1,j+1)對應的灰度為I(i+1,j+1)，四個像素點對應在三維坐標空間中的四個點分別為:A′、B′、C′、D′，向量OA′與坐標軸x,y,z之間的三個方向角θ_k通過A′的法向量和其對應于灰度平面上的坐標得出：

式中，f_k為法向量在k坐標軸上的值；

A2：基于θ_k得到三個特征圖M_k，k＝x,y,z，即將原始圖像I₀中所有像素點從方向角θ_k映射成灰度值：式中,min(θ_k)為方向角θ_k的最小值，max(θ_k)為方向角θ_k的最大值；

A3：計算融合特征圖M_xz和融合特征圖M_yz：

A4：依次使用雙邊濾波和大律法移除所述融合特征圖M_xz和所述融合特征圖M_yz的多余噪聲并平滑邊界，將所述融合特征圖M_xz和所述融合特征圖M_yz進行邏輯與的操作，得到分割細胞的中間結果和角毛的中間結果；

A5：對所述分割細胞的中間結果和所述角毛的中間結果使用中值濾波去噪，使用形態學閉操作以平滑細胞邊界并生成角毛信息圖像G；

所述利用Canny圖像處理算法提取所述原始圖像I₀的細胞邊緣，得到細胞邊緣圖像C，具體包括：

B1：利用Canny邊緣檢測算子檢測所述原始圖像I₀中角毛藻細胞的邊緣，得到圖像I₁；

B2：對所述圖像I₁進行形態學腐蝕和膨脹方法得到初步的分割圖像；

B3：濾除部分連通區域以減少所述初步的分割圖像中的球狀噪聲細胞，得到細胞邊緣圖像C；其中，所述濾除部分連通區域具體為：設置周長閾值C_t，當連通區域的周長小于所述周長閾值C_t時，濾除所述連通區域；

S2：利用所述角毛信息圖像G和所述細胞邊緣圖像C生成自動訓練樣本，選擇出正樣本和負樣本；具體方法為：

C1：通過所述原始圖像I₀的灰度圖X＝{x₀,x₁,…,x_N}計算其直方圖H＝{h₀(r_g),h₁(r_g),…,h_L-1(r_g)}，其中，N為灰度圖X的像素個數，L為灰度圖X的灰度級，x_N為灰度圖中的第N個像素，h_L-1(r_g)為直方圖H中第L-1級灰度值的像素個數；

C2：對直方圖H遞減排序得到H_s，定義自動訓練樣本生成函數為：

式中，(i,j)是每個像素點的位置，L(i,j)是(i,j)對應的標注，P為灰度圖X中角毛信息圖像G和細胞邊緣圖像C的值均等于1的所有像素點的位置，Q為H_s中前m個灰度級，L(i,j)＝1代表正樣本，L(i,j)＝0代表負樣本；

S3：將所述正樣本和所述負樣本輸入到DeepLab的深度卷積神經網絡DCNN中進行逐個像素點的訓練；其中，DCNN的損失函數為：式中，M為原始圖像I₀中訓練樣本個數，p為訓練樣本標注的分布，q為DCNN輸出的分布；

S4：將所述原始圖像I₀中未知標注像素輸入到訓練后的模型中，將所述未知標注像素區分為角毛藻目標和背景，得到最終分割結果圖，其中，所述未知標注像素是所述原始圖像I₀中除去所述正樣本和所述負樣本外的像素；

所述將所述原始圖像I₀中未知標注像素輸入到訓練后的模型中，將所述未知標注像素區分為角毛藻目標和背景，得到最終的分割結果圖，具體包括：將所述原始圖像I₀分割為n×n個區域，將分割后的n×n個區域輸入到訓練后的模型中，將得到的區分所述n×n個區域的角毛藻目標和背景進行合并，得到最終的分割結果圖；

通過最大連通區域MCR方式降低所述最終分割結果圖的噪聲。