一种基于显微镜图像的脆杆群体藻类细胞统计方法技术

本发明专利技术公开了一种基于显微镜图像的脆杆群体藻类细胞统计方法，包括：获取所述脆杆群体藻类细胞的图像数据；对所述图像数据进行处理，获得所述脆杆群体藻类细胞的排列长度；基于所述排列长度获得脆杆群体内的细胞个数。本发明专利技术采用图像模式识别技术来统计脆杆群体内细胞的准确率更高；且适用范围广，无论是较大的脆杆群体藻类还是小的脆杆群体藻类，识别效果都很稳定。果都很稳定。果都很稳定。

【技术实现步骤摘要】
一种基于显微镜图像的脆杆群体藻类细胞统计方法


[0001]本专利技术属于水生态环境监测
，特别是涉及一种基于显微镜图像的脆杆群体藻类细胞统计方法。

技术介绍

[0002]利用显微镜和高清工业相机来采集藻类图像，然后通过深度学习检测模型识别出脆杆群体和它的像素坐标，需要设计一种图像模式识别方法来统计脆杆群体图像中的细胞个数。专利公开号CN111443028A中提出了基于深度学习模型对藻类进行识别和统计的方法，该方法对单细胞藻类的识别和统计效果较好。对脆杆群体藻类统计的效果较差，尤其是脆杆群体较大时，深度学习检测模型漏检较多，造成了藻密度、生物量等性能指标与实际情况不符的问题。

技术实现思路

[0003]为了克服现有技术存在的不足，本专利技术提供了一种基于显微镜图像的脆杆群体藻类细胞统计方法。先通过深度学习模型识别出脆杆群体藻类和它的位置坐标，然后截取出该藻类的图像数据，通过图像模式识别技术来统计出它的细胞个数。
[0004]本专利技术提供了如下方案：一种基于显微镜图像的脆杆群体藻类细胞统计方法，包括：
[0005]获取所述脆杆群体藻类细胞的图像数据；
[0006]对所述图像数据进行处理，获得所述脆杆群体藻类细胞的排列长度；
[0007]基于所述排列长度获得脆杆群体内的细胞个数。
[0008]优选地，获取所述脆杆群体藻类细胞的图像数据包括，
[0009]采集浮游藻类样品的图像数据，构建深度学习模型，将所述浮游藻类样品的图像数据输入所述深度学习模型进行识别，获得所述脆杆群体藻类细胞的图像数据和位置坐标。
[0010]优选地，对所述图像数据进行处理包括图像预处理、图像矫正、计算脆杆群体的最小包围矩形；
[0011]对所述图像数据进行处理还包括，基于所述脆杆群体藻类细胞的图像数据进行图像预处理获得第一图像；对所述第一图像进行图像矫正获得第二图像；基于所述第二图像计算脆杆群体的最小包围矩形，获得所述脆杆群体藻类细胞的排列长度。
[0012]优选地，所述图像预处理包括图像缩放、图像灰度化、第一图像模糊化去噪、图像对比度增强、第二图像模糊化去噪；
[0013]所述图像预处理还包括，基于所述脆杆群体藻类细胞的图像数据，对图像进行缩放处理，获得缩放彩色图像；
[0014]对所述缩放彩色图像进行图像灰度化，获得灰度图像；
[0015]对所述灰度图像进行第一图像模糊化去噪，获得第一去噪图像；
[0016]对所述第一去噪图像进行对比度拉伸处理，获得拉伸图像；
[0017]对所述拉伸图像进行第二图像模糊化去噪，获得所述第一图像。
[0018]优选地，所述第一图像模糊化去噪为中值滤波去噪；
[0019]所述对比度拉伸处理通过自适应直方图均衡化算法进行对比拉伸处理；
[0020]所述第二图像模糊化去噪通过高斯模糊化算法进行去噪。
[0021]优选地，所述图像矫正包括图像二值化、旋转角度统计、计算旋转和平移矩阵、图像旋转校正；
[0022]所述图像矫正还包括，基于所述第一图像进行二值化处理后，计算图像二值化区域的纹理方向，基于所述纹理方向获得脆杆群体图像的旋转角度；基于所述旋转角度和脆杆群体图像的宽、高，计算旋转和平移矩阵；基于所述旋转和平移矩阵对所述第一图像进行旋转校正，获得所述第二图像。
[0023]优选地，所述计算脆杆群体的最小包围矩形包括，
[0024]基于旋转和平移矩阵获得所述第二图像的二值图像，基于所述二值图像获得垂直和水平投影；对所述垂直和水平投影进行修正，获得修正图像；基于所述修正图像查找脆杆群体的最大外轮廓，根据所述最大外轮廓获得最小包围矩形。
[0025]优选地，获得所述脆杆群体藻类细胞的排列长度还包括，基于第二图像分别进行水平和垂直方向上的索贝尔算子运算，获得图像水平梯度强度和图像垂直梯度强度；基于所述图像水平梯度强度和图像垂直梯度强度，获得脆杆群体的内部纹理方向；基于所述内部纹理方向和最小包围矩形，获得与纹理方向垂直的外接矩形边，所述外接矩形边即为细胞排列长度。
[0026]优选地，基于所述排列长度获得脆杆群体内的细胞个数，通过将所述细胞排列长度除以脆杆单位细胞像素长度，获得脆杆群体内的细胞个数。
[0027]本专利技术与现有技术相比，具有以下有益效果：
[0028]1、不需要在深度学习模型中直接检测脆杆群体内细胞，减少了数据标注工作，提高了模型训练和模型优化的效率。
[0029]2、相对于深度学习模型检测脆杆群体内细胞，采用图像模式识别技术来统计脆杆群体内细胞的准确率更高。
[0030]3、适用范围广，无论是较大的脆杆群体藻类还是小的脆杆群体藻类，识别效果都很稳定。
[0031]4、脆杆群体藻类细胞统计方法为独立的模块，便于算法的优化和维护。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033]图1为本专利技术实施例的方法流程图；
[0034]图2是本专利技术实施例的图像预处理流程图；
[0035]图3是本专利技术实施例的图像矫正流程图；
[0036]图4是本专利技术实施例的计算脆杆群体的最小包围矩形流程图；
[0037]图5是本专利技术实施例的计算脆杆群体细胞排列长度流程图；
[0038]图6是本专利技术实施例的脆杆群体藻类细胞统计效果图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0041]如图1所示，本专利技术提供了一种基于显微镜图像的脆杆群体藻类细胞统计方法,包括：
[0042]获取脆杆群体藻类细胞的图像数据；
[0043]对图像数据进行处理，获得脆杆群体藻类细胞的排列长度；
[0044]基于排列长度获得脆杆群体内的细胞个数。
[0045]获取脆杆群体藻类细胞的图像数据包括，
[0046]采集浮游藻类样品的图像数据，构建深度学习模型，将浮游藻类样品的图像数据输入深度学习模型进行识别，获得脆杆群体藻类细胞的图像数据和位置坐标。
[0047]对图像数据进行处理包括图像预处理、图像矫正、计算脆杆群体的最小包围矩形；
[0048]对图像数据进行处理还包括，基于脆杆群体藻类细胞的图像数据进行图像预处理获得第一图像；对第一图像进行图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于显微镜图像的脆杆群体藻类细胞统计方法,其特征在于，包括：获取所述脆杆群体藻类细胞的图像数据；对所述图像数据进行处理，获得所述脆杆群体藻类细胞的排列长度；基于所述排列长度获得脆杆群体内的细胞个数。2.根据权利要求1所述的基于显微镜图像的脆杆群体藻类细胞统计方法，其特征在于，获取所述脆杆群体藻类细胞的图像数据包括，采集浮游藻类样品的图像数据，构建深度学习模型，将所述浮游藻类样品的图像数据输入所述深度学习模型进行识别，获得所述脆杆群体藻类细胞的图像数据和位置坐标。3.根据权利要求1所述的基于显微镜图像的脆杆群体藻类细胞统计方法，其特征在于，对所述图像数据进行处理包括图像预处理、图像矫正、计算脆杆群体的最小包围矩形；对所述图像数据进行处理还包括，基于所述脆杆群体藻类细胞的图像数据进行图像预处理获得第一图像；对所述第一图像进行图像矫正获得第二图像；基于所述第二图像计算脆杆群体的最小包围矩形，获得所述脆杆群体藻类细胞的排列长度。4.根据权利要求3所述的基于显微镜图像的脆杆群体藻类细胞统计方法，其特征在于，所述图像预处理包括图像缩放、图像灰度化、第一图像模糊化去噪、图像对比度增强、第二图像模糊化去噪；所述图像预处理还包括，基于所述脆杆群体藻类细胞的图像数据，对图像进行缩放处理，获得缩放彩色图像；对所述缩放彩色图像进行图像灰度化，获得灰度图像；对所述灰度图像进行第一图像模糊化去噪，获得第一去噪图像；对所述第一去噪图像进行对比度拉伸处理，获得拉伸图像；对所述拉伸图像进行第二图像模糊化去噪，获得所述第一图像。5.根据权利要求4所述的基于显微镜图像的脆杆群体藻类细胞统计方法，其特征在于，所述第一图像模糊化去噪为中值滤波去噪；所述...

【专利技术属性】
技术研发人员：李斌，王英才，胡圣，张晶，李书印，彭玉，胡愈炘，方标，
申请(专利权)人：生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心，
类型：发明
国别省市：