【技术实现步骤摘要】
微型藻类图像分类方法、系统、设备及存储介质
本公开属于图像数据处理领域，尤其涉及微型藻类图像分类方法、系统、设备及存储介质。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
，并不必然构成现有技术。在实现本公开的过程中，专利技术人发现现有技术中存在以下技术问题：目前，人工智能技术已经在各个领域(图像处理，目标检测，语音翻译等)取得实质性突破，并且正在以爆发式的速度蓬勃发展。以信息为主导，体系建设的智慧海洋是实现我国海洋强国战略的长远抓手，而人工智能技术则是完成智慧海洋建设的核心支撑技术。从智慧海洋建设的内容上看，保护海洋环境占有极其重要的地位。然而不幸的是，随着海洋的开发，人类的活动在不断的破坏着海洋环境，尤其海洋作为一个多种群生态系统，打破平衡会导致严重的生物污染。因此，在智慧海洋的工程定位中，深度感知海洋环境，融合人工智能技术做出适当的反馈对保护海洋环境具有特殊的意义。在海洋的工程建设中，需要实现海洋环境和海洋设备之间的信息的互联互通，这包括信息的采集、传输、处理和服务过程。在海洋中，百亿计的传感器将采集到的图像、温度等各种各样的信息传到服务器，服务器...
【技术保护点】
1.微型藻类图像分类方法，其特征是，包括：对待分类的微型藻类图像提取轮廓图像；对待分类的微型藻类图像提取纹理图像；将待分类的微型藻类图像的轮廓图像和纹理图像，分别输入到预先训练好的双通道卷积神经网络模型的两个输入端中，输出微型藻类图像的分类结果。
【技术特征摘要】
1.微型藻类图像分类方法，其特征是，包括：对待分类的微型藻类图像提取轮廓图像；对待分类的微型藻类图像提取纹理图像；将待分类的微型藻类图像的轮廓图像和纹理图像，分别输入到预先训练好的双通道卷积神经网络模型的两个输入端中，输出微型藻类图像的分类结果。2.如权利要求1所述的方法，其特征是，所述对待分类的微型藻类图像提取轮廓图像的具体步骤，包括：采用Sobel边缘检测算法对待分类的微型藻类图像进行边缘提取；然后对边缘提取后的图像进行膨胀操作，得到待分类的微型藻类图像的轮廓图像。3.如权利要求2所述的方法，其特征是，所述采用Sobel边缘检测算法对待分类的微型藻类图像进行边缘提取，具体步骤包括：采用离散微分Sobel算子来计算图像像素点的灰度值；所述离散微分Sobel算子，包括：横向矩阵和纵向矩阵；将横向矩阵和纵向矩阵分别与原始图像像素矩阵做卷积操作，得到横向亮度差分近似值和纵向亮度差分近似值；对横向亮度差分近似值和纵向亮度差分近似值的平方和进行开平方运算，获取每个像素点的灰度值；根据图像像素点的灰度值，得到微型藻类的边缘提取图像。4.如权利要求2所述的方法，其特征是，所述膨胀操作首先选择由结构元素确定的图像邻域块中像素值的最大值，将这个最大值作为当前结构元素原点所对应图像位置的像素值，直到图像所有位置像素值被重新确定才结束操作。5.如权利要求1所述的方法，其特征是，所述对待分类的微型藻类图像提取纹理图像的具体步骤，包括：采用灰度直方图均衡化方式对待分类的微型藻类图像进行处理，得到纹理图像。6.如权利要求5所述的方法，其特征是，采用灰度直方图均衡化方式对待分类的微型藻类图像进行处理，得到纹理图像，具体步骤包括：统计原始微型藻类图像的灰度直方图；计算灰度直方图的累计分布曲线；依据累计分布曲线，计算图像变换后的灰度级；得到纹理图像。7.如权利要求1所述的方法，其特征是，双通道卷积神经网络模型，包括：...
【专利技术属性】
技术研发人员：贾智平，张余豪，张志勇，申兆岩，刘珂，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37
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。