基于浮游生物数字全息图像的自适应性多焦点复原方法技术

本发明专利技术涉及图像处理技术领域，具体公开了一种基于浮游生物数字全息图像的自适应性多焦点复原方法，首先拍摄全息原位图像，然后对原位图像进行重建，对重建图像进行边缘检测及阈值分割，得到重建图像中浮游生物的轮廓信息，依照该轮廓信息在重建图像数据集上进行剪切得到目标图像数据集，再基于目标图像的梯度和方差生成清晰度指标，又基于清晰度指标筛选出最清晰的目标图像，将最清晰的目标图像按照原坐标拼接到原位图像，可提取到浮游生物的清晰图像，有效地解决采集系统中存在的庞大的数据处理问题，有效地简化海洋浮游生物检测的工程量，进而有效地监控浮游生物数量变化从而预报赤潮等灾害。

【技术实现步骤摘要】
基于浮游生物数字全息图像的自适应性多焦点复原方法
本专利技术涉及图像处理
，尤其涉及一种基于浮游生物数字全息图像的自适应性多焦点复原方法。
技术介绍
海洋生态系统是一个复杂多变的大系统，特别是在当前海洋经济快速发展的大背景下，海洋生态系统受到各种人类活动和自然因素的影响，如环境污染、过渡捕捞等，另一方面，海洋生态系统发生的各种变化，也会对人类开发利用海洋产生反作用，因此对海洋生态系统进行实时有效的监控显得尤为重要。在海洋生态系统和结构中，浮游生物占有极其重要的位置，其数量变动和空间分布对整个海洋生态系统的功能运转，甚至全球气候变化都会产生重要的影响。无论在生物海洋学还是在海洋生态学研究中浮游生物都是重要研究对象。传统的照相术中，只获取的光的强度，而不能获取包含了景物深度或形状的光相位。全息术则弥补了这一缺陷，它能够同时记录光波的振幅和相位，从而达到“完全记录”的目的。从具体操作来看，先用特殊的胶片或电子设备记录来自物体的物光和来自光源的参考光进行相干叠加，形成相干条纹，胶片或电子设备上记录的图像就被称为全息图。再将光源直接照射在该全息图上，光波发生衍射，就能产生一幅表现原来物体全部信息的图像，就是重建图像。数字全息具有光学全息图的一般特征，信息冗余量大，从任意的全息图碎片都可完整再现原始图像信息，具有很强的抗剪切能力，并且对一般的图像攻击如压缩、缩放、噪声等均具有一定的稳健性。且设备简单，便于记录和重建，这摆脱了光学全息对设备要求复杂，对光路要求严格，实验环境苛刻，实时性差等限制，让全息术更好更快地应用在了各类领域中，因而发展更为迅速，使用范围也更加广泛。目前，数字全息术在工业生产，生物检测，医学检测，广告等各领域中都有着不俗的应用前景。然而与其他图像一样，数字全息图的获取和传输过程中，图像噪声不可避免，全息图受到噪声干扰，其重建像必然也会受到不良影响。数字全息术的使用核心在于其全息图和重建像的图像质量，因而，如何能快速自动地从多张重建图中自动扫描提取有效目标的清晰图像，是本专利技术致力于解决的问题。
技术实现思路
本专利技术提供一种基于浮游生物数字全息图像的自适应性多焦点复原方法，解决的技术问题在于：如何快速自动地从多张重建图像中自动扫描提取有效目标的清晰图像。为解决以上技术问题，本专利技术提供一种基于浮游生物数字全息图像的自适应性多焦点复原方法，包括步骤：S1.对水下浮游生物进行数字全息原位拍摄，得到原位图像；S2.对所述原位图像进行全息图重建得到对应的多张重建图像，构成所述原位图像的重建图像数据集；S3.对每张所述重建图像进行边缘检测及阈值分割，得到每张所述重建图像中浮游生物的轮廓信息，并依照所述轮廓信息在对应的重建图像上进行剪切得到多张目标图像，构成目标图像数据集；S4.基于所述目标图像的梯度和方差生成清晰度指标，又基于清晰度指标筛选出所述目标图像数据集中最清晰的目标图像；S5.将最清晰的目标图像拼接到所述原位图像上对应的位置上，得到数字全息复原图像。进一步地，在所述步骤S1中，一次水下拍摄多张原位图像，构成原位图像数据集。进一步地，在所述步骤S2中，每张所述原位图像在被重建之前，被处理为相同大小。进一步地，每张所述原位图像的大小为500×500像素。进一步地，所述步骤S3具体包括步骤：S31：利用Sobel算子对所述重建图像进行边缘检测，得到浮游生物的边缘梯度图像；S32：在所述边缘梯度图像中使用阈值分割以及孔洞填充得到具有闭合轮廓的浮游生物的轮廓区域；S33：确定所述轮廓区域的外接矩形的坐标值，根据坐标值在重建图像数据集中进行剪切得到目标图像数据集。进一步地，在所述步骤S4中，基于所述目标图像的梯度和方差生成清晰度指标，具体包括步骤：S41.根据公式对每张所述目标图像进行拉普拉斯变换，得到对应的梯度图像，f(x，y)为坐标(x，y)处像素点的像素灰度值，f(x，y+1)、f(x，y-1)、f(x-1，y)、f(x+1，y)则代表坐标(x，y)周围上下左右四个像素点的像素灰度值；S42.根据公式对每张所述梯度图像计算方差以作为清晰度指标，其中，l(x，y)为坐标(x，y)处像素点的梯度值，为所述梯度图像中所有坐标梯度值的平均值。进一步地，在所述步骤S4中，所述筛选条件具体为：清晰度指标最大的图像即为最清晰的目标图像。进一步地，所述步骤S5具体包括步骤：S51.确定所述轮廓区域的外接矩形的坐标值；S52.将最清晰的目标图像按照原坐标拼接在对应的原位图像上，得到清晰的数字全息复原图像。本专利技术提供的一种基于浮游生物数字全息图像的自适应性多焦点复原方法，其效果在于：对重建图像进行边缘检测及阈值分割，得到重建图像中浮游生物的轮廓信息，依照该轮廓信息在重建图像数据集上进行剪切得到目标图像数据集，再基于目标图像的梯度和方差生成清晰度指标，又基于清晰度指标筛选出最清晰的目标图像，将最清晰的目标图像按照原坐标拼接到原位图像，可提取到浮游生物的清晰图像，有效地解决采集系统中存在的庞大的数据处理问题，有效地简化海洋浮游生物检测的工程量，进而有效地监控浮游生物数量变化从而预报赤潮等灾害；同时，也可以获取浮游生物最清晰的形态特征，为后续生物学家对浮游生物的研究奠定基础。附图说明图1是本专利技术实施例提供的基于浮游生物数字全息图像的自适应性多焦点复原方法的步骤流程图；图2是本专利技术实施例提供的一张复原图像的示意图；图3是本专利技术实施例提供的图2所示复原图像的重建图像数据集；图4-1和4-2是本专利技术实施例提供的图3所示重建图像数据集中提取出的最为清晰的两个目标轮廓；图5是本专利技术实施例提供的图3所示重建图像数据集对应的目标图像数据集；图6-1和6-2是本专利技术实施例提供的从图5目标图像数据集中选出的两张最清晰的目标图像；图7是本专利技术实施例提供的图6-1和6-2两张目标图像对应在原位图像中的坐标；图8是本专利技术实施例提供的按照图7所示坐标将图6-1和6-2两张目标图像拼接在其原位图像后得到的数字全息复原图像；图9是本专利技术实施例提供的一种基于浮游生物数字全息图像的自适应性多焦点复原系统的框架结构图。具体实施方式下面结合附图具体阐明本专利技术的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本专利技术的限定，包括附图仅供参考和说明使用，不构成对本专利技术专利保护范围的限制，因为在不脱离本专利技术精神和范围基础上，可以对本专利技术进行许多改变。为了得到较为清晰的浮游生物数字全息图像，本专利技术实施例提供一种基于浮游生物数字全息图像的自适应性多焦点复原方法，其步骤流程如图1所示，包括步骤S1～S5。(1)步骤S1S1.对水下浮游生物进行数字全息原位拍摄，得到原位图像。在步骤S1中，一次水下拍摄多张原位图像，构成原位图像数据集，后续对多张原位图像进行集中本文档来自技高网...

【技术保护点】
1.基于浮游生物数字全息图像的自适应性多焦点复原方法，其特征在于，包括步骤：/nS1.对水下浮游生物进行数字全息原位拍摄，得到原位图像；/nS2.对所述原位图像进行全息图重建得到对应的多张重建图像，构成所述原位图像的重建图像数据集；/nS3.对每张所述重建图像进行边缘检测及阈值分割，得到每张所述重建图像中浮游生物的轮廓信息，并依照所述轮廓信息在对应的重建图像上进行剪切得到多张目标图像，构成目标图像数据集；/nS4.基于所述目标图像的梯度和方差生成清晰度指标，又基于清晰度指标筛选出所述目标图像数据集中最清晰的目标图像；/nS5.将最清晰的目标图像拼接到所述原位图像上对应的位置上，得到数字全息复原图像。/n

【技术特征摘要】
1.基于浮游生物数字全息图像的自适应性多焦点复原方法，其特征在于，包括步骤：
S1.对水下浮游生物进行数字全息原位拍摄，得到原位图像；
S2.对所述原位图像进行全息图重建得到对应的多张重建图像，构成所述原位图像的重建图像数据集；
S3.对每张所述重建图像进行边缘检测及阈值分割，得到每张所述重建图像中浮游生物的轮廓信息，并依照所述轮廓信息在对应的重建图像上进行剪切得到多张目标图像，构成目标图像数据集；
S4.基于所述目标图像的梯度和方差生成清晰度指标，又基于清晰度指标筛选出所述目标图像数据集中最清晰的目标图像；
S5.将最清晰的目标图像拼接到所述原位图像上对应的位置上，得到数字全息复原图像。


2.如权利要求1所述的基于浮游生物数字全息图像的自适应性多焦点复原方法，其特征在于，在所述步骤S1中，一次水下拍摄多张原位图像，构成原位图像数据集。


3.如权利要求2所述的基于浮游生物数字全息图像的自适应性多焦点复原方法，其特征在于，在所述步骤S2中，每张所述原位图像在被重建之前，被处理为相同大小。


4.如权利要求3所述的基于浮游生物数字全息图像的自适应性多焦点复原方法，其特征在于，每张所述原位图像的大小为500×500像素。


5.如1～4任意一项权利要求所述的基于浮游生物数字全息图像的自适应性多焦点复原方法，其特征在于，所述步骤S3具体包括步骤：
S31：利用Sobel算子对所述重建图像进行...

【专利技术属性】
技术研发人员：王楠，崔燕妮，杨学文，辛国玲，张兴，胡文杰，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东;37