买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工业大学

摘要：本发明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。

主权项：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： Cmax＝maxR′,G′,B′公式2Cmin＝minR′,G′,B′公式3△＝Cmax-Cmin公式4H计算：S计算：V计算：V＝Cmax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Cmax，min函数表示对绝对色彩信息取最小值Cmin，Δ表示取差值；差值为0时，色调H值为0；Cmax与R’相等、G’相等、B’相等时，依据公式5计算色调H值；Cmax为0时，饱和度S值为0；Cmax不为0时，依据公式6计算饱和度S值；明度V值与Cmax值相等；1.2然后对图像进行二值化处理，其中HSVmin和HSVmax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HSVmin为[100,43,46]、HSVmax为[200,255,255]，srcHSV表示在设定阈值间所取的值，公式为：dst＝Hmin≤srcH≤Hmax∩Smin≤srcS≤Smax∩Vmin≤srcV≤Vmax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，再使用7×7的卷积核进行腐蚀操作；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；2.2使用Canny边缘检测算法对图像进行边缘提取；2.2.1采用高斯平滑滤波对图像进行降噪处理；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Sx和Sy；前者用于计算图像x方向像素梯度矩阵Gx，后者用于计算图像y方向像素梯度矩阵Gy，公式为： 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；由可计算得到梯度强度矩阵Gxy；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；2.2.4滞后阈值：设定一个双阈值，即低阈值和高阈值，如果某一像素位置的幅值超过高阈值，该像素被保留为边缘像素；如果某一像素位置的幅值小于低阈值，该像素被排除；如果某一像素位置的幅值在两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留；其中，依据花粉颗粒圆形或类圆形轮廓形状，双阈值设定为[40,80]；2.3使用基于霍夫变换圆检测方法识别圆形区域，把图像空间转换到参数空间，公式为： 其中，a，b为圆心的横纵坐标；x，y为图像像素点的横纵坐标；r为圆的半径；为查找角度；以△θ步长遍历[0,2π]，△θ＝2π360；r以△r的步长遍历[R1,R2]，依据统计得到的花粉颗粒的大小范围，[R1,R2]设为[20,50]；经霍夫变换后，在变换域中搜索峰值，得到圆形区域的圆心坐标a,b和半径r；2.4使用掩膜遮挡住不感兴趣的区域；依据输入的花粉图像，构建掩膜，即名为mask的二值图像，使用位运算对图像进行掩膜操作，遮挡非圆形区域；2.5根据霍夫变换对花粉图像分割完成，输出初筛杂质后的花粉图像；3基于检测模型提取前景花粉颗粒图像经过基于霍夫变换检测前景图像的初筛后，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；将去气泡和初筛杂质的img′输入检测模型，公式为：img′＝HOUGHHSVimg公式13其中img为最初输出的花粉图像，HSV方法为去气泡处理，HOUGH方法为初筛杂质处理；将图像转换为矩阵，通过卷积层得到特征图，最后在位置回归分支得到目标物的位置坐标，即花粉颗粒的位置坐标和为花粉颗粒位置坐标左上角点的坐标，和为花粉颗粒位置坐标右下角点的坐标，通过位置坐标提取花粉颗粒，以去除剩余杂质的干扰，最终输出花粉颗粒图像。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于图像特征的花粉颗粒图像提取方法