[发明专利]一种基于无监督逐像素分类的角毛藻图像分割方法

说明书

本发明提供一种基于无监督逐像素分类的角毛藻图像分割方法，包括如下步骤：利用GSDAM图像处理算法提取原始图像I₀的角毛信息，得到角毛信息图像G，同时，利用Canny图像处理算法提取所述原始图像I₀的细胞边缘，得到细胞边缘图像C；利用所述角毛信息图像G和所述细胞边缘图像C生成自动训练样本，选择出正样本和负样本；将所述正样本和所述负样本输入到DeepLab的深度卷积神经网络DCNN中进行逐个像素点的训练；将所述原始图像I₀中未知标注像素输入到训练后的模型中，将所述未知标注像素区分为角毛藻目标和背景，得到最终分割结果图。本发明提供的分割方法能从原始显微图像中自动分割出角毛藻细胞，分割效果好，为后续角毛藻的识别及分类提供了良好的研究基础。

技术领域

本发明涉及浮游生物图像处理及深度学习技术领域，特别涉及一种基于无监督逐像素分类的角毛藻图像分割方法。

背景技术

角毛藻是海洋浮游硅藻中最大的种属并广泛分布于世界各个海域。大部分角毛藻对碳循环和制氧有着重要作用，但少数角毛藻对海洋生态系统有着不良影响，甚至会引发赤潮。因此角毛藻种属间的识别和分类对维持海洋生态平衡有着重要的研究价值。

传统的依靠人力对浮游植物的识别往往费时费力，并且受专业知识和判断的影响，因此，浮游植物自动识别及分类成为海洋生物学家和海洋环境保护学家的首要任务。

然而，当前针对角毛藻显微图像的分割方法较少，并且传统的图像分割方法仅仅考虑了颜色、边缘和纹理等低级视觉信息，无法实现良好的分割效果，同时，考虑到角毛藻独特的生物特征，其人工标注难以获取。

发明内容

本发明提供一种基于无监督逐像素分类的角毛藻图像分割方法，以解决依靠人力识别角毛藻效率低，以及利用传统的图像分割方法分割效果不好等技术问题，本发明提供的分割方法能从原始显微图像中自动分割出角毛藻细胞，分割效果好，为后续角毛藻的识别及分类提供了良好的研究基础。

一种基于无监督逐像素分类的角毛藻图像分割方法，包括如下步骤：

S1：利用GSDAM图像处理算法提取原始图像I₀的角毛信息，得到角毛信息图像G，同时，利用Canny图像处理算法提取所述原始图像I₀的细胞边缘，得到细胞边缘图像C；

S2：利用所述角毛信息图像G和所述细胞边缘图像C生成自动训练样本，选择出正样本和负样本；

S3：将所述正样本和所述负样本输入到DeepLab的深度卷积神经网络DCNN中进行逐个像素点的训练；

S4：将所述原始图像I₀中未知标注像素输入到训练后的模型中，将所述未知标注像素区分为角毛藻目标和背景，得到分割结果图，其中，所述未知标注像素是所述原始图像I₀中除去所述正样本和所述负样本外的像素。

进一步地，所述步骤S1中利用GSDAM图像处理算法提取原始图像I₀的角毛信息，得到角毛信息图像G，具体包括：

A1：所述原始图像I₀的任意一个像素点A(i,j)，其灰度为I(i,j)，与所述像素点A(i,j)相邻的三个像素为B(i,j+1)，C(i+1,j)，和D(i+1,j+1)，其中，所述B(i,j+1)对应的灰度为I(i,j+1)，所述C(i+1,j)对应的灰度为I(i+1,j)，所述D(i+1,j+1)对应的灰度为I(i+1,j+1)，四个像素点对应在三维坐标空间中的四个点分别为:A′、B′、C′、D′，向量OA′与坐标轴x,y,z之间的三个方向角θ通过A′的法向量和其对应于灰度平面上的坐标得出：

k＝x,y,z，式中，f_k为法向量在k坐标轴上的值；