【技术实现步骤摘要】
一种基于边缘检测的微观组织图像分割处理方法和装置
[0001]本申请涉及到图像处理领域，具体而言，涉及一种基于边缘检测的微观组织图像分割处理方法和装置。
技术介绍
[0002]微观组织是材料成分、工艺、组织和性能之间关系的关键，它可以揭示材料成分和工艺之间的协同作用，进而调整材料的性能。因此，如何利用深度学习技术来提高微观组织识别的精确度并有效地提取微观组织图像特征，对于更进一步了解微观组织和材料性能之间的关系有重要的意义。
[0003]在金属结构材料领域，微观组织图像的特点是在小面积范围内存在不同交错的析出相，图像分割的任务就是把不同的析出相分割出来。现有的算法在边缘检测处理不是很好，另外，图像分割算法也不尽人意。图7是根据现有技术的传统分割模型的分割效果不足的示意图，如图7所示，一些大型区域的中间部分没有很好地被识别分割出来，这些都是现有算法产生的问题，因此，有必要提出一种新的方案来对现有技术中的处理方式进行改进。
技术实现思路
[0004]本申请实施例提供了一种基于边缘检测的微观组织图像分割处理...
【技术保护点】
【技术特征摘要】
1.一种基于边缘检测的微观组织图像分割处理方法，其特征在于，包括：将电子显微镜拍摄的带有微观组织的照片剪裁成预定大小的多张图像，其中，所述多张图像中的每一张均带有分割标签；使用图像边缘检测函数对所述多张图像检测得到所述多张图像中的边缘图像；将所述边缘图像的标签设置边缘标签；将所述多张图像至少分为训练集和验证集；使用训练集的每张图片训练分割模型，其中，使用每张图片训练每一轮之后均使用验证集对此次训练进行验证，得到此轮训练后的分割模型的评价指标；根据每轮的评价指标选择最优的模型，其中，选择出的模型用于进行图像分割。2.根据权利要求1所述的方法，其特征在于，使用训练集的每张图片训练所述分割模型包括：将U
‑
net的双输入双输出网络作为所述分割模型，其中，所述网络为两个相同的网络，所述两个相同的网络用于输入同样的图像，所述两个相同的网络中的一个用于进行边缘检测，所述两个相同的网络中的另一个用于图像分割；使用训练集的每张图片训练所述分割模型。3.根据权利要求2所述的方法，其特征在于，所述多张图像被分为所述训练集和验证集之外，还分出一个测试集。4.根据权利要求3所述的方法，其特征在于，还包括：将所述测试集输入到所述分割模型中；从所述分割模型获取两个输出结果；将所述两个输出结果相加得到相加后的图像。5.根据权利要求4所述的方法，其特征在于，还包括：将所述相加后的图像做孔洞填充处理。6.一种基于边缘检测的微观组织图像分割处理装置，其特征在于...
【专利技术属性】
技术研发人员：黄岚，谭黎明，刘锋，李伟夫，李文祎，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：
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。