一种基于图像特征的花粉颗粒图像提取方法技术

本发明专利技术是一种基于图像特征的花粉颗粒图像提取方法。具体流程为：花粉图像输入后首先基于HSV提取前景图像，即去除气泡处理，图像去气泡后再基于霍夫变换提取前景图像，即初筛杂质处理；将初筛后的花粉图像基于检测模型提取花粉颗粒图像以去除剩余杂质的干扰，最终输出提取出的花粉颗粒图像。基于花粉图像特征对花粉图像进行去除气泡和杂质处理后，再使用基于检测模型提取花粉颗粒方法可以有效地避免气泡、杂质与花粉颗粒图像的相似信息对于提取花粉颗粒的干扰，使得最终提取花粉颗粒图像的效果良好。果良好。果良好。

【技术实现步骤摘要】
一种基于图像特征的花粉颗粒图像提取方法


[0001]本专利技术属于图像处理领域。

技术介绍

[0002]随着城市化进程的不断发展，花粉过敏逐渐变为一个重大的公共卫生问题。因此，准确地识别花粉，从而进行有效的花粉预报，提示花粉过敏症患者积极采取应对措施具有十分重要的意义。
[0003]采取有效的方法自动提取花粉图像中的花粉颗粒，有助于对花粉的识别和分类，具有重要的应用价值。目前花粉研究中直接使用基于深度学习的检测方法对图像进行目标物检测并提取，然而在花粉采集过程中，由于外部因素或操作等原因可能会出现花粉图像中存在气泡和杂质的干扰问题，即大多数气泡的轮廓与花粉颗粒轮廓相似，一些杂质与花粉颗粒同时被染色为相似的颜色，导致使用原有方法提取到的花粉颗粒效果并不理想。
[0004]针对这一不足，提出基于花粉图像特征的花粉颗粒图像提取方法。通过分析花粉图像的特征可知，在颜色方面花粉颗粒和部分被染色的杂质颜色相近，而气泡无法被染色呈无色，考虑基于HSV提取前景图像去除气泡的干扰；在轮廓方面花粉颗粒大多为圆形或类圆形，而杂质通常为不规则形状，少部分为类圆形，考虑基于霍夫变换提取前景图像去除大部分杂志干扰；最后考虑使用检测模型检测提取出花粉颗粒图像以去除剩余杂质的干扰。基于这三个步骤可以有效去除花粉图像中气泡和杂质的干扰，更加精准地提取出前景花粉颗粒图像。

技术实现思路

[0005]本专利技术是一种基于图像特征的花粉颗粒图像提取方法，如图1所示，花粉颗粒图像提取算法的具体流程为：花粉图像输入后首先基于HSV提取前景图像，即去除气泡处理，如图2所示；图像去气泡后再基于霍夫变换提取前景图像，即初筛杂质处理，如图3所示；将初筛后的花粉图像基于检测模型提取花粉颗粒图像以去除剩余杂质的干扰，最终输出提取出的花粉颗粒图像。
[0006]具体算法参考如下：
[0007](1)基于HSV提取前景图像
[0008]在暴露空气下采集的花粉通过染色后，由于在颜色方面花粉颗粒和部分被染色的杂质颜色相近，呈现洋红色或深洋红色，而气泡无法被染色呈无色，因此考虑基于HSV提取前景图像去除气泡的干扰。计算过程如下：
[0009]1.1首先，将花粉图像由RGB色彩空间转换为HSV色彩空间，公式为：
[0010][0011]C
max
＝max(R
′
,G
′
,B
′
)
ꢀꢀ
公式2
[0012]C
min
＝min(R
′
,G
′
,B
′
)
ꢀꢀ
公式3
[0013]Δ＝C
max
‑
C
min
ꢀꢀ
公式4
[0014]H计算：
[0015]S计算：
[0016]V计算：V＝C
max
ꢀꢀ
公式7
[0017]其中，R、G、B是RGB色彩空间中红、绿、蓝三种通道的颜色，R
’
、G
’
、B
’
是绝对色彩信息，H、S、V代表HSV色彩空间中的色调，饱和度，明度。max函数表示对绝对色彩信息取最大值C
max
，min函数表示对绝对色彩信息取最小值C
min
，Δ表示取差值。差值为0时，色调H值为0；C
max
与R
’
相等、G
’
相等、B
’
相等时，依据公式5计算色调H值。C
max
为0时，饱和度S值为0；C
max
不为0时，依据公式6计算饱和度S值。明度V值与C
max
值相等。
[0018]1.2然后对图像进行二值化处理，其中(HSV)
min
和(HSV)
max
是设定的HSV阈值，依据花粉颗粒的颜色及HSV颜色空间列表设定(HSV)
min
为[100,43,46]、(HSV)
max
为[200,255,255]，src(HSV)表示在设定阈值间所取的值，公式为：
[0019]dst＝H
min
≤src(H)≤H
max
∩S
min
≤src(S)≤S
max
∩V
min
≤src(V)≤V
max
ꢀꢀ
公式8
[0020]1.3根据1.2中设定的阈值，构建掩膜，即名为mask的二值图像。
[0021]1.4对图像进行掩膜操作，留下包含花粉颗粒颜色部分的区域。
[0022]1.5根据HSV对花粉图像分割完成，输出去除气泡后的花粉图像。
[0023](2)基于霍夫变换提取前景图像
[0024]在轮廓方面花粉颗粒大多为圆形或类圆形，而杂质通常为不规则形状，少部分为类圆形，因此我们去除花粉图像中的气泡后，使用基于霍夫变换原理对花粉图像进行感兴趣区域的提取，可以将花粉图像中花粉颗粒和一部分被染色的类圆形杂质提取出来，对花粉图像识别造成干扰的杂质进行初筛。计算过程如下：
[0025]2.1首先，将去除气泡后的花粉图像进行二值化、闭运算、高斯滤波预处理。
[0026]2.1.1设定阈值thresh，选取灰度值128作为阈值,对图像二值化处理，大于阈值的取最大值255，小于阈值的取最小值0，公式为：
[0027][0028]2.1.2对图像采取闭运算，先使用5
×
5的卷积核进行膨胀操作，再使用7
×
7的卷积核进行腐蚀操作。
[0029]2.1.3边缘检测容易受到噪声影响，使用15
×
15高斯滤波器先对图像进行滤波处理，去除原始图像中存在的噪声。
[0030]2.2使用Canny边缘检测算法对图像进行边缘提取。
[0031]2.2.1采用高斯平滑滤波对图像进行降噪处理。
[0032]2.2.2根据Sobel算子计算每个像素点的梯度幅值。Sobel算子是两个3
×
3的矩阵，分别为S
x
和S
y
。前者用于计算图像x方向像素梯度矩阵G
x
，后者用于计算图像y方向像素梯度矩阵G
y
，公式为：
[0033][0034]其中，I为灰度图像矩阵，是对图像上保持某距离的两像素分别具有某灰度的状况进行统计得到的。
[0035]由公式11可计算得到梯度强度矩阵G
xy
。
[0036]2.2.3对图像的每个像素点的梯度幅值进行非极大值抑制，在一个局部邻域内确定在一个方向上连续的具有较大幅值的点，并去掉邻域内其他梯度幅值较小的点。
[0037]2.2.4滞后阈值：设定一个双阈值，即低阈值和高阈值，如果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像特征的花粉颗粒图像提取方法，其特征在于，具体算法如下：(1)基于HSV提取前景图像1.1首先，将花粉图像由RGB色彩空间转换为HSV色彩空间，公式为：C
max
＝max(R
′
,G
′
,B
′
) 公式2C
min
＝min(R
′
,G
′
,B
′
) 公式3Δ＝C
max
‑
C
min 公式4H计算：S计算：V计算：V＝C
max 公式7其中，R、G、B是RGB色彩空间中红、绿、蓝三种通道的颜色，R
’
、G
’
、B
’
是绝对色彩信息，H、S、V代表HSV色彩空间中的色调，饱和度，明度；max函数表示对绝对色彩信息取最大值C
max
，min函数表示对绝对色彩信息取最小值C
min
，Δ表示取差值；差值为0时，色调H值为0；C
max
与R
’
相等、G
’
相等、B
’
相等时，依据公式5计算色调H值；C
max
为0时，饱和度S值为0；C
max
不为0时，依据公式6计算饱和度S值；明度V值与C
max
值相等；1.2然后对图像进行二值化处理，其中(HSV)
min
和(HSV)
max
是设定的HSV阈值，依据花粉颗粒的颜色及HSV颜色空间列表设定(HSV)
min
为[100,43,46]、(HSV)
max
为[200,255,255]，src(HSV)表示在设定阈值间所取的值，公式为：dst＝H
min
≤src(H)≤H
max
∩S
min
≤src(S)≤S
max
∩V
min
≤src(V)≤V
max 公式81.3根据1.2中设定的阈值，构建掩膜，即名为mask的二值图像；1.4对图像进行掩膜操作，留下包含花粉颗粒颜色部分的区域；1.5根据HSV对花粉图像分割完成，输出去除气泡后的花粉图像；(2)基于霍夫变换提取前景图像计算过程如下：2.1首先，将去除气泡后的花粉图像进行二值化、闭运算、高斯滤波预处理；2.1.1设定阈值thresh，选取灰度值128作为阈值,对图像二值化处理，大于阈值的取最大值255，小于阈值的取最小值0，公式为：
2.1.2对图像采取闭运算，先使用5
×
5的卷积核进行膨胀操作...

【专利技术属性】
技术研发人员：李博雅，李建强，程文秀，赵琳娜，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：