【技术实现步骤摘要】
一种基于BP神经网络的粪便显微图像清晰度评价方法
本专利技术属于机器视觉
,具体一种基于BP神经网络的粪便显微图像清晰度评价方法。本专利技术可用于医学检验、生物研究、精密仪器制造等领域。
技术介绍
图像的清晰度评价是对图像的清晰程度进行量化的计算,在图像分析和识别中具有重要的意义,是整个机器视觉系统能否自动对焦的关键。图像清晰度评价在医学检验、生物研究、工业检测、精密仪器制造等领域获得众多应用。为了使仪器实现自动对焦,通常情况采用的是选择一种清晰度评价函数,作为计算的指标,然后根据一种快速搜索算法如爬山搜索算法、深入优先搜索算法等进行搜索,得到最后的清晰度峰值。粪便显微图像由于粪便样本的特殊性,难以实现完全离心,存在样本分层厚、图像背景复杂、亮度偏暗等特征,传统的清晰度评价方法很难完全使用粪便显微环境下的清晰度评价处理。如Tenegrad梯度法,虽然对比度很高,但是单峰性较差,难以应对样本分层厚度大的特点;而能量梯度法,虽然具有很好的单峰性,但是对比度相对较差,在复杂背景和光照环境下难以满足要求。BP神经网络模型是由大量的、简单的处理单元广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。它最大的特点是仅仅借助样本数据,无需建立系统的数学模型,就可以对系统实现高度非线性的映射。由于传统的清晰度评价函数难以满足粪便显微复杂环境下的图像清晰度评价,需要一种清晰度评价方法,同时满足单峰性、对比度、鲁棒性等条件,并适用于粪便显微环境。如果可以用BP神经网络模型,结合多种清晰度评价方法的优点,这样就可以得到一 ...
【技术保护点】
1.一种基于BP神经网络的粪便显微图像的清晰度评价方法,采用的具体步骤如下:步骤1:使显微镜对准粪便样本,将显微镜从上到下或从下至上匀速运动,以同样的时间间隔拍摄粪便显微图像对焦过程的一组图片,这组图片肯定包括模糊、清晰、模糊的变化过程,其中每组图片的图片数60>N>40;步骤2:对每组图片进行逐一人工判断,找出每组图片中最清晰的10张图片,并分别对这10张清晰图片赋予0.5‑1的清晰度值,其中最清晰的一张或两张图片赋值为1;其余图片根据清晰程度的不同,分别赋值为0‑0.5,其中最不清晰的一张或两张图片赋值为0;步骤3:重复步骤1、步骤2,得到M组粪便显微图像对焦过程图片,其中M>100,最终得到M*N张被赋予清晰度值的图片;步骤4:对每张图像用基于边缘分析的Tenegrad梯度法求解清晰度评价函数,并保存为第一维数据;Tenengrad梯度函数采用Sobel算子分别提取水平和垂直方向的梯度值,其定义如下:D(f)=∑y∑x|G(x,y)|(G(x,y)>T)其中
【技术特征摘要】
1.一种基于BP神经网络的粪便显微图像的清晰度评价方法,采用的具体步骤如下:步骤1:使显微镜对准粪便样本,将显微镜从上到下或从下至上匀速运动,以同样的时间间隔拍摄粪便显微图像对焦过程的一组图片,这组图片肯定包括模糊、清晰、模糊的变化过程,其中每组图片的图片数60>N>40;步骤2:对每组图片进行逐一人工判断,找出每组图片中最清晰的10张图片,并分别对这10张清晰图片赋予0.5-1的清晰度值,其中最清晰的一张或两张图片赋值为1;其余图片根据清晰程度的不同,分别赋值为0-0.5,其中最不清晰的一张或两张图片赋值为0;步骤3:重复步骤1、步骤2,得到M组粪便显微图像对焦过程图片,其中M>100,最终得到M*N张被赋予清晰度值的图片;步骤4:对每张图像用基于边缘分析的Tenegrad梯度法求解清晰度评价函数,并保存为第一维数据;Tenengrad梯度函数采用Sobel算子分别提取水平和垂直方向的梯度值,其定义如下:D(f)=∑y∑x|G(x,y)|(G(x,y)>T)其中x代表图像中像素水平方向的位置,y代表图像中像素垂直方向的位置,T表示图像灰度平均值;其中:Gx为Sobel算子水平方向的梯度值,而Gy为Sobel算子垂直方向的梯度值,I表示在该点(x,y)的梯度;步骤5:对每张图像求基于快速小波变换的清晰度评价函数,并保存为第二维数据;式中cLH,cHL和cHH分别表示水平高频系数矩阵、垂直高频系数矩阵和对焦高频系数矩阵,i代表图像中像素水平方向的位置,j代表图像中像素垂直方向的位置,E代表最后的运算结果值;步骤6:对每张图像用基于能量的能量梯度法求解清晰度评价函数,并保存为第三维数据;其表达式为:其中:M,N分别代表图像水平和垂直方向的像素数,x代表图像中像素水平方向的位置,y代表图像中像素垂直方向的位置,f(x,y)代表图像在(x,y)位置上的像素值大小;步骤7:对每张图像用基于离散余弦变换的清晰度评价函数,保存为第四维数据,其中二维离散余弦变换为:其中:F(x,y)为M*N的数字图像矩阵,G代表最后的结果,v代表图像中像素水平方向的位置,u代表图像中像素垂直方向的位置,c(u)代表垂直系数,c(v)代表水平系数;步骤8:对每张图像用基于像素灰度值统计信息的信息熵评价法求解清晰度评价函数,并保存为第五维数据,具体表达式为:其中:M,N分别代表图像水平...
【专利技术属性】
技术研发人员:张静,邓鼎文,杨浩,金松,王祥舟,杜晓辉,刘娟秀,倪光明,刘霖,刘永,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。