（计算机应用技术专业论文）储粮微生物显微图像处理与识别研究.pdf

储稂微生物显微图像处理与识别研究 摘要 我国是一个产粮大国 仅国家粮库就储藏有数干亿公斤粮食 由于粮食上带有种类繁 多的微生物 加之粮食巾含有许多营养物质是微生物良好的天然培养基 所以在合适的条 件下 粮食中的微生物就会使粮食发霉变质 严重影响人类食用的安全性 因此 开发一 个科学实用 准确方便的储粮微生物识别检测系统对微生物进行检测 指导专业管理人员 采取相关措施来预防霉变是非常必要的 本文利用图像处理 模式识别 神经网络等技术对储粮微生物识别系统进行了相关研 究 特别是对微生物的特征提取 特征压缩和分类方面进行了较为深入的研究 主要王作 和成果如下 1 储粮微生物图像增强与分割 采用滑动窗口为十字形的中值滤波法对微生物图像 进行平滑处理 采用基于迭代阈值和数学形态学的边缘检测算法对微生物图像进行边缘检 测 2 储粮微生物特征形成提取出储粮微生物二值化图像的特征包括形态学特征和 纹理特征在内的共l8 个特征 并对所有特征进行归一化处理 3 储粮微生物特征选择在系统地分析遗传算法和模拟退火算法两种组合优化方法 的基础上 依据储粮微生物显微图像的特点提出了基于模拟退火技术的遗传算法 遗传模 拟退火算法 对遗传模拟退火算法的特点 实现步骤 参数分析 具体实现进行了较深入 的探讨 运用遗传模拟遐火算法对抽取出的1 8 个特征进行特征选择 筛选出面积 周长 复杂度等l o 个较好的特征 4 储粮微生物特征压缩分析了常用的特征压缩方法 基于类内类间距离的 基于 k l 交换的 基于神经鬻络的和基于小波分析的特征压缩 运用总体类内离散度矩阵k l 变换的特征压缩方法 将储粮微生物的1 0 维特征向量压缩到6 维 铁两减少了分类器的 计算量 提高了系统的整体性能 5 储粮微生物分类器的设计 设计了改进的b p 神经网络分类器和模糊分类器 用 神经网络和模糊技术来实现储粮害虫的分类 并深入地研究了b p 霹络分类器的设计 针 对传统b p 算法易陷入局部极小和收敛速度慢的问题 分析了3 种改进方法 使网络的收 敛速度大大加快 所设计的b p 网络分类器和模糊分类器对储粮微生物的离线测试识别率 达到了8 2 3 以上 6 检测系统实现利用v i s u a l h n e t2 0 0 3 开发工具开发了储粮微生物识别系统软件 关键词 储粮微生物神经网络b p 算法图像分割形状不变矩模糊分类 储粮微生物显微图像处理与识别研究 a b s t r a c t c h i n ai st h el a r g e s tc o u n t r yo fg r a i np r o d u c t i o ni nt h ew o r l d t h es t o r e dg r a i ni nn a t i o n a l g r a i nd e p o ti sa b o v e 10 0b i l l i o nk i l o g r a m s a sg r a i nh a saw i d ev a r i e t yo fm i c r o b i a la n dc o n t a i n s m a n yn u t r i e n t sw h i c ha r eg o o dn a t u r a ln u t r i e n tm e d i u mf o rm i c r o b e i nt h er i g h tc o n d i t i o n t h e m i c r o b i a li nt h eg r a i nw i l lb em o l d ym e t a m o r p h i s ma n dw i l la f f e c tt h es e c u r i t yo fh u m a n c o n s u m p t i o n s o i ti sv e r yn e c e s s a r ya n di m p o r t a n tt oh e l pg r a i nm a n a g e r t ot a k es o m em e a s u r e s t od e v e l o pak i n do fs c i e n t i f i c p r e c i s ea n ds i m p l ed e t e c t i o nt e c h n o l o g yf o rs t o r e d g r a i n m i c r o b i a l t h i sp a p e rm a k e ss o m er e l a t e ds t u d i e so ft h es t o r e dg r a i nm i c r o b i a li d e n t i f i c a t i o ns y s t e m b yt h et e c h n o l o g yo fi m a g ep r o c e s s i n g p a t t e r nr e c o g n i t i o n n e u r a ln e t w o r k s a n ds oo n e s p e c i a l l yi n d e p t hs t u d i e df e a t u r ee x t r a c t i o n c o m p r e s s i o na n dc l a s s i f i c a t i o no fm i c r o b i a l t h i s p a p e rf o c u s e so nt h ef o l l o w i n ga s p e c t s 1 e n h a n c i n ga n ds e g m e n t i n gs t o r e dg r a i nm i c r o b i a li m a g e m a k i n gu s eo ft h em e d i a n f i l t e r i n gm e t h o dw h i c hs l i d i n gw i n d o wi sc r u c i f o r mt os m o o t h i n gh a n d l em i c r o b i a li m a g e m a k i n gu s eo fe d g ed e t e c t i o na l g o r i t h mw h i c h b a s e do ni t e r a t i v et h r e s h o l da n dm a t h e m a t i c a l m o r p h o l o g yt om a k ee d g ed e t e c t i o no fm i c r o b i a li m a g e 2 f o r m i n gs t o r e dg r a i nm i c r o b i a lf e a t u r e s e x t r a c t s18f e a t u r e so fs t o r e dg r a i nm i c r o b i a l b i n a r yi m a g e w h i c hi n c l u d e sm o r p h o l o g i c a lf e a t u r e sa n dt e x t u r ef e a t u r e s a l lt h ef e a t u r e sa r e n o r m a l i z e d 3 s e l e c t i n gs t o r e dg r a i nm i c r o b i a lf e a t u r e s o nt h eb a s i so fs y s t e m a t i c a l l ya n a l y z i n gt h e t w oc o m b i n a t o r i a lo p t i m i z a t i o nm e t h o d sb e t w e e ng e n e t i ca l g o r i t h ma n ds i m u l a t e da n n e a l i n g a l g o r i t h m p r o p o s e sg e n e t i ca l g o r i t h mb a s e d o ns i m u l a t e da n n e a l i n gt e c h n o l o g ya c c o r d i n gt ot h e c h a r a c t e r i s t i c so fs t o r e d g r a i nm i c r o b i a lm i c r o s c o p i ci m a g e i e g e n e t i cs i m u l a t e da n n e a l i n g a l g o r i t h m i n d e p t hs t u d i e st h ef e a t u r e r e a l i z a t i o na p p r o a c h p a r a m e t e ra n a l y s i sa n dm a t e r i a l r e a l i z a t i o no fg e n e t i cs i m u l a t e da n n e a l i n ga l g o r i t h m m a k e su s eo fg e n e t i cs i m u l a t e da n n e a l i n g a l g o r i t h mt oc h o o s ef e a t u r e sf r o mt h es e l e c t e d 18f e a t u r e s t h e nc h o o s e10b e t t e rf e a t u r e s f o r e x a m p l e a r e a p e r i m e t e r c o m p l e x i t y a n ds oo n 4 c o m p r e s s i n gs t o r e dg r a i nm i c r o b i a lf e a t u r e s a n a l y s e st h et r a d i t i o n a lm e t h o d so f f e a t u r e sc o m p r e s s i o n s u c ha st h em e t h o dt h a tb a s e do nc a t e g o r yo ft h ei n t e r d i s t a n c e b a s e do n k lt r a n s l a t i o n b a s e do nn e u r a ln e t w o r ka n db a s e do nw a v e l e ta n a l y s i s m a k i n gu s eo fk l t r a n s l a t i o nc o m p r e s sb a s e do nt h eg l o b a li n c l a s sd i s c r e t em a t r i x t h e10d i m e n s i o nf e a t u r e sa r e c o m p r e s s e di n t o5d i m e n s i o n si no r d e rt or e d u c et h ea m o u n to fc o m p u t a t i o nc l a s s i f i e ra n dt o h 储粮微生物曩微图像处理与谈捌研究 i m p r o v et h eo v e r a l lp e r f o r m a n c eo ft h es y s t e m 5 d e s i g n i n gg r a i nm i c r o b i a lc l a s s i f i e rd e s i g n si m p r o v e db pn e u r a ln e t w o r kc l a s s i f i e r a n df u z z yc l a s s i f i e r u s e sn e u r a ln e t w o r k sa n df u z z yt e c h n o l o g yt oa c h i e v et h ec l a s s i f i c a t i o no f s t o r e dg r a i nm i c r o b i a l a n di n d e p t hs t u d i e st h ed e s i g no ft h eb pn e t w o r kc l a s s i f i e r f o rt h e p r o b l e m st h a tt h et r a d i t i o n a lb pa l g o r i t h me a s i l yg o e si n t ol o c a lm i n i m aa n dc o n v e r g e n c es p e e d i s s l o w a n a l y s e st h r e ek i n d so fi m p r o v i n gm e t h o d st or a p i d l ya c c e l e r a t et h en e t w o r k c o n v e r g e n c e t h eo f f l i n ec l a s s i f i c a t i o nr a t i oo fd e s i g n e db pn e t w o r kc l a s s i f i e ra n df u s s c l a s s i f i e rt os t o r e dg r a i nm i c r o b i a lr e a c h e so v e r8 2 3 6 c a r r y i n go u tt h ed e t e c t i o ns y s t e md e v e l o p sg r a i nm i c r o b i a li d e n t i f i c a t i o ns y s t e m s o f t w a r ew i t hv i s u a lc n e t2 0 0 3d e v e l o p m e n tt o o l s k e yw o r d s s t o r e d g r a i n m i c r o b i a l n e u r a ln e t w o r k b pa r i t h m e t i c i m a g e s e g m e n t a t i o n s h a p em o m e n ti n v a r i a n t f u z z yc l a s s i f i e r i i 首都师范大学位论文原创性声明 本人郑重声明 所呈交的学位论文 是本人在导师的指导下 独立进行研究工作所取 得的成采 除文中已经注翳弓 用的内容外 本论文不含任何其他个人或集体已经发表或撰 写过的作品成果 对本文的研究做出重要贡献的个人和集体 均基在文中以明确方式标明 本人完全意识到本声明的法律结果出本人承掇 学位论文作者签名 弓长景 日期 加蝴4 日 首都师范大学位论文授权使用声明 本人完全了解首都师范大学有关保留 使用学位论文的规定 学校有权保留学位论文 并尚雷家主管部门或其指定机构送交论文的电子版和纸质版 有权将学位论文用于非赢利 目的的少量复制著允许论文进入学校图书馆被查阅 有权将学位论文的内容编入有关数据 库进行检索 有权将学位论文的标题和撼要汇编出版 保密的学位论文在解密看适用本规 定 学位论文作者签名 日期 舻伪析 储粮微生物该微图像处理与识别研究 第l 章绪论 i 1 储粮微生物检测的必要性 粮食是关系到囡计民生的大事 改革开放以来 在党和政府的领导下 中国成功地解 决了近十三亿人口的吃饭问题 我国的小麦总产量已居世界第一位 但是另一方面我们国 家的粮食损失严重 据有关资料报道 全世界每年因霉交 有害微生物等危害造成的损失 可达总产量的5 1 0 如果人力 物力 技术跟不上 防治不及时 造成的损失可高达 2 0 一3 0 甚至更高 因此 粮食储藏是关系到国计民生的重大课题 如何有效防治储 粮微生物 害虫 是粮食储藏行业的研究热点 储粮微生物是寄附在粮食和粮食食晶上的微生物的统称 包括了微生物中的 些主要 类群 细菌类中的真细菌和放线菌 真菌类中的霉菌 酵母菌和病原真菌等 它们经常寄 附在粮食及其制品的表面和内部 粮食微生物在环境适宜的条件下 可以分解粮食中的有 机物质 使之变质 霉腐 有的还可以产生具有强烈的毒性和致癌性的毒素f l 目前对于 储粮微生物的防治主要是控制生态条件 制菌防霉 对粮仓环境要求高并且效果都不是缀 理想 随着图像识别技术在医疗诊断 遥感 气象 工业控制 农业生产 材料检测等领 域的成功应用 在生物和农业领域的应用也在加强 主要是结合粮食和有害微生物的颜色 形态 纹理等特征 运用图像处理 模式识别等技术 检测粮食中有害微生物 粮食的外 观质量等 但是由予微生物自身形态的复杂和显微图像处理技术的难度使人们对予储粮微 生物的研究还是比较薄弱 其主要难点在于对粮食微生物的识别 对储粮微生物的鉴定和识别一直是微生物学研究领域中的一个重要课题 它对我们认 识不同种类有害微生物的生物特性 找趱安全 经济 有效防治措施以及预测有害微生物 发生的时期和数量提供了重要的科学依据 而利用计算机技术对储粮有害微生物进行自动 识别和分类 也一直是微生物研究领域希望解决的重要课题之一 只有准确地检测 才有 助予管理入员进行科学正确的决策 以及时地采取合理的防治措施 防止盲目防治 比如 说 单就储粮这一方面 有数字统计 粮库储粮损失率降低0 0 5 每年就可以为国家挽 回经济损失2 5 亿元l i j 可见 进行此项研究 不仅可为储粮有害微生物的综合防治提供 科学的决策依据 也具有重要的学术价值和实际应用价值 本文研究结合北京市教育委员会科技项目 储粮微生物的显微图像识别和可视化 检测系统研究 编号 k m 2 0 0 5 1 0 0 2 8 0 1 5 利用图像识别技术结合显微图像的特点 通过 研究显微图像预处理的方法改善采集图像的质量来满足测量要求 然后根据储粮中有害微 生物的形态 纹理等特征 确定应耀图像处理技术提取和测量的内容 结合最新的特征提 取算法获取有效特征参数 为翻标分类拇下基础 最后选择神经网络分类器和模糊分类器 储粮微生物显微图像处理与识别研究 提高识别精度 对有害微生物的种类进行识别分类 最终实现利用显微图像处理技术进行 快速检测储粮质量 由于采用计算机自动完成数据的测量和分析 大大缩短检测周期提高 检测质量 实现菌种的自动分类与识别 无疑能极大地提高生产效益 彻底改变人工检测 的陈旧方式 同时也为建立储粮微生物的在线识别和可视化检测系统打下理论基础 还可 以扩展应用于其他需要显微图像识别检测的情况 如工业菌类的识别等 可见研究储粮微 生物的识别和检测不仅具有重要的学术价值 而且有着广阔的应用前景 创造可观的社会 经济效益 1 2 国内外储粮微生物检测的主要方法 目前 我国绝大多数的粮库对储粮微生物检测并没有一个具体的方法 很多采用的是 预防 式的方法 主要是以下几种防治方法 2 1 提高粮食质量 增强抗霉能力 切实保证粮食的干燥 纯净 完整 无虫 无病 增强粮食的抗霉能力是防霉基础 2 改善储粮环境 防止霉菌扩大污染 保持粮仓 器材 仓库环境的清洁卫生 不 同质的粮分开储存 从而防止微生物的传布感染 3 控制生态条件 治菌防霉 主要有以下几种措施 控制湿度和水分一干燥防霉 控制温度 低温防霉 控制粮食气体成分 一缺样防霉 化学药剂处理 化学防霉 上述这些防治方法一定程度上可以达到减轻霉变带来的粮食损失 但是防治效果不是 很好而且对食品安全会产生较大影响 比如利用化学药剂来达到防霉效果的方法 忽视了 化学药剂对粮食品质和使用安全都有较大负作用的方面 因此不宜采用 1 3 图像识别理论在农业方面及生物领域研究现状 图像识别就是对经过图像处理后的图像进行特征提取 如提取目标的边缘 线和轮廓 等进行图像分割 然后根据图像的几何和纹理等特征利用模式匹配 判别函数 决策树等 识别理论对图像进行分类 随着计算机技术的发展 数字图像处理和模式识别技术得到了前所未有的发展与应 用 它的研究方法与数学 物理学 生理学 心理学 电子学 计算机科学等学科互相借 鉴 图像识别技术在许多应用领域受到广泛重视并取得了重大的开拓性成就 图像识别技术的应用举例 1 农业方面的应用 目前 利用机器视觉进行粮食种子自动识别研究的对像非常广泛 2 储粮微生物照微图像处理与识别研究 如中国农业大学吴富宁 朱虹等人利用机器视觉来进行计算机辅助小麦图像识别 华中科 技大学王天江教授等人对玉米种子图像进行分类的识别等 另外在黄花梨果形的机器视觉 识别方法研究 提 逛在黄花梨的分级过程中采用傅立时变换与傅立叶反变换对来描述果 形 开发了基于人工神经网络的果形识别软件 3 卅 可以预见 将人工智能技术和图像处理 技术相结合 是今后应用计算机视觉技术进行水果品质评价的重要发展方向 另外利用利 用计算机视觉系统 研究大米胚芽的自动识别方法 农业和林业的农作物和中草药生长调 查 病虫害检测 植物缺素检测等方面都获褥了广泛的应用而且取得了较好的效果鼬1 2 生物医学工程方面的应用 图像处理在生物医学工程方面的应用十分广泛 而且 很有成效 尤其是对医用显微图像的处理分析 如红细胞 白细胞分类 染色体分析 癌 细胞识别等 新的产品m d i 超高倍显微诊断仪妇科检查分析系统就是采用先进的超高显微 图像放大技术和图像处理技术 与传统技术相比 系统在妇科体液 图片 检查和宫颈脱 落细胞 刮片 检查方面对医生快速准确查找病人可疑患处减少误诊漏诊 减轻工作强度 等方面均有较强优势 图像处理技术在生物医学中的应用 极大地推动了生物医学的发展 医学图像的显微分析有着很广泛的应用领域 如在医疗诊断方面 可进行细胞自动分类计 数 染色体分析 细胞识别等 近年来 人们研制了许多用于细胞分析和自动识别的系统 对细胞图像进行自动分析 统计细胞个数和测量各个细胞的有关参数 如面积 周长 体 积等 这些细胞分析和盘动识别系统减少了主观干扰 减轻了相关人员的工作负担 提高 了分析的准确性 医学图像处理利用多种方法对各种图像数据进行处理 以期得到更好的 显示效果以便进行分析 常用的处理技术有滤波 缩放 增强 分割 恢复 重建等 譬 如对组织图像进行滤波处理 最终舀标是达到除去图像中的噪声 突出感兴趣日标的目的 利用所获取的一系列入体某一部分的连续切片图像 对切片赞像进行三维重建 能够获得 人体部位的三维模型 医生可以对三维模型进行手术仿真 并可以于教学实验 计算机图 像处理技术在医学图像领域已得到了越来越广泛的应用 l o l 3 航天和航空技术方面的应用 数字图像处理技术在航天和航空技术方面的应用 一方恧对月球 火星照片的处理 另一方面是应用在飞机遥感和卫星遥感技术中 用配备 有高级计算机的图像处理系统来判读分析 既节省人力 又加快了速度 以图像匹配 特别是具有 旋转 放大 平移 不变特征的智能化图像匹配与定位技术为基础的光学制 导也得到进一步发展f 曩 总之 图像识别技术已经应用予生活的各个方藏 在有些方面图像识别技术的应用已 经比较成熟 比如指纹识别 人脸识别等 本项课题研究的是基于储粮微生物图像的识别 本课题的预期研究成果一曼成功的应用予储粮行业 将有助予粮库管理人员进行科学的决 策 以及时采取合理的防治措施 达到粮食保质 保鲜 保量的目的 并且基于图像识别 的微生物检测方法 具有无污染 效率高 成本低 可以利用并完善粮库己有的计算机粮 情测控系统等优点 由此可见 本课题不仅具有重要的学术价值 而且有着广阔的应用前 景 3 储粮微生物显微图像处理与识别研究 1 4 本论文的研究思路及内容 第一章绪论介绍了储粮微生物检测的意义 及国内外图像识别技术在农业方面 的应用 提出了深入研究储粮微生物识别的必要性 第二章微生物图像的预处理及特征提取简述了图像预处理的相关内容 主要包括 图像增强和图像分割的传统算法 提出了基于迭代阈值和数学形态学的边缘检测法 然后 提取了微生物的纹理 形态特征 并对其进行归一化处理 第三章微生物图像的特征选择对遗传算法 模拟退火算法的概念和特点进行 了详细的阐述 并对特征选择策略和类别可分性判据作了分析 重点对遗传模拟退火算法 的提出 实现步骤 参数分析 具体实现进行了深入的探讨 接着运用总体类内离散度矩 阵k l 变换的特征压缩方法对特征进行降维处理 第四章基于b p 神经网络的分类器设计详细说明了b p 神经网络的基本原理 同时也指出了传统b p 神经网络存在的几个缺点 针对收敛速度慢的问题提出了三个改进 用改进的网络对微生物测试样本进行分类识别 最后对b p 神经网络分类结果给予分析说 明 第五章基于模糊模式识别的分类器设计运用模糊模式识别来对微生物图像进 行分类 详细地介绍了其算法和实验结果 最后对结果进行了相关分析 第六章微生物图像识别系统设计详细论述了整个系统的软硬件设计思想和功 能及其工作流程 第七章工作总结及研究展望对全文工作进行总结 并对下一步的研究工作进行 展望 4 储粮微生物显微到像处理与识别研究 第2 章微生物图像预处理及特征提取 2 1 图像预处理 在采集微生物图像时 毒于光照的稳定性与均匀性等噪声的影响 灰尘对c c d 摄像 机镜头的影响等因素的影响 以及图像传输过程中由于硬件设备两获得的噪声等使视获取 的图像不够理想 因此有必要对微生物图像进行平滑等增强处理 进而才能进行图像分割 所有的这些前续操作都可以成为图像的预处理 图像预处理的舀的是为了更好的提取微生 物的特征来分类识别 图像增强是指对图像的边缘 轮廓 对比度等特征增加其动态范围 以便于显示 观 察或迸一步分析处理 由于具体应用的日的和要求不同 并且观察者往往是某种增强技术 优劣的最终判断者 因此并没有图像增强的通用标准 在实际应用中必须依据具体目的 图像特点 系统硬件 时间需求 计算便利性等灵活地做出选择 2 1 1图像平滑 图像平滑是图像增强的主要内容之一 其主要目的是为了消除各种于扰和噪声 且保 持原始图像的轮廓及边缘等重要信息 将目标内的小间断连接起来 使图像视图效果较好 最常用的空闻域平滑法有邻域平均法和中值滤波瓣5 3 邻域平均法虽然对噪声的抑制能 力较强 但会使图像的边缘产生严重的模糊 会给边缘检测带来较大的误差 中值滤波是 一种非线性滤波技术 由于实际计算过程中并不需要图像的统计特性 所以比较方便 它 是基于图像的这样一种特性 噪声往往以孤立的点的形式出现 这些点对应的像素数很少 两躞像则是由像素数较多 面积较大的小块构成 在一定条件下可以克服线性滤波器所带 来的图像细节模糊 而且对滤波脉冲干扰及图像的扫描噪声最为有效 在一维的情况下 中值滤波器是一个含有奇数个像素的窗口 在处理之后 将窗口正 中的灰度值 用窗溺内各像素灰度值的中值代替 设有一组数五 x 2 茹 把1 1 个数按值的大小顺序排列 确 t 2 x 胁 y m e a x l 石2 x n 称为序列的中值 把一个点的特定长度或形状的 邻域称作窗口 对予二维中值滤波 可利用某种形式的二维窗口 如 方形 圆形 十字 形等 设k 歹 1 2 表示数字匿像各点的灰度值 滤波窗西为a 的二维中值滤波可定义 为 y 蓼 雩d 扛擎j m e d 轴舔 姆 p s 么o 歹 1 2 中值滤波器的主要功能就是让与周围像素灰度值的差比较大的像素改取与周围像素 接近的值 从丽可以消除孤立的噪声点 在衰减噪声的同时不会便图像的边缘模糊 中值 滤波器取噪声效果依赖于薅个要素 邻域的空间范围 窗墨大小 中值计算中所涉及的 5 储粮微生物显微幽像处理r 识别研究 像票数 一般来说 小于中值滤波器山积一半的亮或暗的物体基本上会被滤掉 l n 较人的 物体则儿乎会原封不动地保存下米 如果采刚太尺度模板有较强的降噪能力 但存在边缘 模糊的教应 细节将会丢失 i n 冲尺度模扳的降噪能力就很差 选不到预期的要求 冈此 叶1 值滤波器的宙u 大小必须根据具体目标来进行调整 7 1 本文采用了滑动窗口为十字形的中值滤波 它对图像边缘能很好保持的非线性图像增 强技术 下图2l 是对酵母菌 曲霉菌圈像采片j 惜动窗口为十字形的中值滤波效果图 山 罔叫咀看出甲滑后的罔像与原始图像相比 整体扶度值肇本l 没有发生变化 亮区或暗区 的再带嗡声得到了碱弼 2 12 图像分割 幽2l微十物幽像中债滤波后的效果幽 图像分割是把阁像分割成若干个特定的 具有独特性质的区域并提取感兴趣目标的技 术和过程 在对图像的研究和应用中 人们往往仅对图像的某些部分感兴趣 它们般对 应图像中特定的 具 仃独特性质的区域 为了分析和识别目柄 需要将他们分割并提取出 来 i 划像分割算浊的研究一卣受到人们的高度重视 到日前为之 提m 的分割算法多达l r 种 所以对它们的分光方法 三比较多 常用的是把分割算法分成3 类 i 闽值分割 区域生长 边缘榆测 闽值分割方法中闽值的确定主要依赖于扶度氲方图 而报少考虑图 像中像素的空 i j 位置关系 幽此肖背摄复杂 特别在旧一背景上重叠出现若t 个研究目标 时 容易世失部分边界信息 造成分割的不完整 在会有强噪卢十扰时 闲值分割方法也 1 能取得令人满意的分割效粜 区域生长法空问和时问的丌销都比较大 经常会造成过度 分割 储粮微生物箍微图像处理与识别研究 本文所获得的图像是在实验室环境中培养的 图像背景单一 目标图像不十分复杂 因此本文采用边缘检测方法来对微生物图像进行分割 l 经典边缘检测算法介绍 边缘是图像最基本的特征 所谓边缘就是指图像局部亮度变化最显著的部分 是图像 分割所依赖的重要基础 也是纹理分析和图像识别的重要基础 边缘提取的好坏将直接影 响整个图像处理和分析的效果 因此 对边缘检测算法的研究一直是图像处理中探讨的热 点问题之一 经典的边缘检测方法是构造对像素灰度级阶跃变化敏感的微分算子 如r o b e r t s 梯度 算予 s o b e l 梯度算子等 其边缘检测速度快 但得到的往往是断续的 不完整的结构信 息 这类方法对噪声较为敏感 为了有效抑制噪声 一般都首先对原图像进行平滑 褥进 行边缘检测就能成功地检测到真萨的边缘 边缘检测技术中较为成熟的方法是线性滤波 器 其中尤其是以拉普拉斯高斯l o g l a p l a c i a n g a u s s 算子最为有名 l o g 算予较好地 解决了频域最优化和空域最优化之闻的矛盾 计算方法也比较简单方便 另外 该算子在 过零点检测中具有各向阉性特点 保证了边缘的封闭性 符合人眼对叁然界中大多数物体 的视觉效果 不过l o g 算子的边缘定位精度较差 而边缘定位精度和边缘的封闭性两者之 间无法客观地达到最优化折衷h 5 鲥 理想的边缘检测应娄正确解决边缘的有无 真假 和定向定位 长期以来 人们一直 关心这一问题的研究 除了常用的局部算子及以后在此基础上发展起来的种种改进方法 外 又提出了许多新的技术 其中 突出的有f a c e t 模型检测边缘 统计滤波检测以及随 断层扫描技术兴起的三维边缘检测等f 两 本文所要处理的储粮微生物显微图像往往光照等原因造成亮度不均 微生物的形状不 均 容易重叠 再次在成像过程中也常常混入随机噪声 而传统的边缘检测算法是利用梯 度最大值或二阶导数过零点值来获驭图像边缘 这些算法尽管实时性较好 但抗干扰性差 不熊有效克服噪声影响 定位方面欠佳 本文采用的是基于迭代阑值和数学形态学的边缘 检测方法1 2 1j 2 基于迭代阂值和数学形态学的边缘检测方法 1 迭代阂值和数学形态学的边缘检测算法描述 首先通过迭代算法求得图像分割的最佳阙值 并将图像分为背景和强标两个部分 通 过阂值分割处理 既增强了图像和因标的对比度 增强了微生物图像边缘 又能准确地提 取微生物区域 然后再利用轮廓提取算法 挖去微生物内部像素点 最后剩余部分图像就 是微生物的边缘 从而实现了微生物的边缘检测 这样通过对各像素点自身灰度值得分析 和计算 判断该点是否是边缘点 避免了在边缘检测的数学计算过程中 使噪声干扰的影 响进一步扩大 破坏边缘图像 1 6 2 分割最佳阂值的迭代算法 阈值分割方法是把图像的灰度分成不同的等级 然麓用设置灰度门限的方法确定欲分 7 储粮微生物显微图像处理与识别研究 割物体的边界点 当用阈值分割目标与背景时 如果某一灰度值g 是图像的分割阈值 即 小于g 的灰度点将构成目标 大于g 的灰度点就构成背景 一般而言 如果灰度g 可以作 为图像的一个阈值 那么它应该使按这个阈值划分目标和背景的错误分割的图像像素点数 为最小 如果前景物体的内部点具有均匀一致的灰度值 并分布在另一个灰度值得均匀背 景上 那么图像的灰度直方图应具有明显的双峰 可是在许多情况下 噪声的干扰使峰谷 的位置难以确定或者结果不稳定 本文采用迭代法 有效地消除噪声对灰度门限阈值g 的 影响 设有一副图像混入噪声的图像g x 是由原始图像坟x y 和e x y 叠加而成的 即 g k y f k y e k y a z 1 这里假设各点的噪声是互不相关的 且具有零均值 标准差为g 通过阈值分割将图像分 割为两部分 由于噪声是随机作用于图像的像素点上的 则可以认为在分割出目标g l 和 背景9 2 图像上噪声仍然为e x y 即 g g j z 仗j p g y 式 2 2 k 力 正k 力 如力k 2 3 在迭代算法中 需要对分割出的图像分别求其灰度均值 则 e g l x y 互 厂l 瓴力 g 而y e f l x y 式 2 4 e 9 2 x y e f 2 x j e j e f 2 x y 式 2 5 上式说明随着迭代次数的增加 平均灰度值将趋向于真值 因此用迭代算法求得的最 佳阈值不受噪声干扰的影响 所以通过阈值分割处理后 有效减少了噪声对图像的干扰 并使图像的边缘像素点远离噪声干扰的敏感区 从而提高了图像边缘检测抗干扰能力 3 迭代算法描述和步骤 首先选择一个近似阈值作为估计值的新初始值 然后进行分割 产生子图像 并根据 子图像的特性来选取新的阈值 在用新的阈值分割图像 经过几次循环 使错误分割的图 像像素点降到最少 这样做的效果好于用初始阈值直接分割图像的效果 阈值的改进策略 是迭代算法的关键 算法的步骤如下 1 选择一个初始阈值的估算值 t o t xl 忌 0 l z 生 式 2 6 2 其中 z l l l i nz i l 撇分别表示图像中的最小和最大灰度值 2 利用阈值t k 把图像分成两组 r l 和r 2 其中 r 1 r 2 嬲f x ii譬0 f 力 x 蒙t 却 y i y 3 计算区域r 1 和r 2 和灰度均值z l 和z 2 其中 储粮微生物最微图像处理与识别研究 z l 嚣 f i j x n i f i j 尹 z 2 n i 歹 j 一 式 2 8 式 2 9 n i f i 净矿 式中 f i j 是图像上的点 i j 处的灰度值 n i j 是 i j 处的权重系数 一般n i j 1 0 4 选择新的阈值t k l t m z i z 2 式 2 1 0 5 如果t k t 雕 则结束 否则k n l 转步骤 2 令数学形态学的二值图像的轮廓提取 数学形态学是一种应用于图像处理和模式识别的领域的新的方法 基本思想是用具有 一定形态酶结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的髑的 利 用数学形态学对物体几何结构的分析过程就是主客体相处逼近的过程 剩用数学形态学的 几个基本概念和运算 将结构元灵活地组合分解 应用形态变换达到分析的目的 基于数 学形态学的边缘信息提取处理优于基于微分运算的边缘提取算法 它不像微分算法对噪声 那样敏感 同时 提取的边缘也比较平滑 剩耀数学形态学方法提取的图像骨架也比较连 续 断点少 1 9 经过图像分割后 原图变成了二值图像 二值图像轮廓提取的算法就是掏空内部点 如采原图中有 点为黑 且它的相邻8 个点都是黑色时 判定该点是图像内部点 则将该 点删除 经过这样的算法后 就实现了图像的边缘检测 熨 由于在数学形态学中 腐蚀具 有消除图像边界点的作用 可以选取3 x 3 的结构元素的9 个点对原图像进行腐蚀 这样就 可以提取出微生物图像的清晰边缘 有关腐蚀的数学表示如下 另x 为图像 b 为结构元素 b z 表示结构元素b 平移z 艨的结果 b s 代表结构元素b 关于原点的对称集合 即 b 5 一 b b 艿 式 2 腐蚀的运算如下 x o b 5 z 芝 x 式 2 1 2 数学形态学提取边界的算子如下 e d x 湍x 一 x o e 式 2 1 3 式中 e 3 x 3 的结构元素 e d x 代表图像x 的边界 q 储粮微巾物挂微吲像处理 o 帆 u 研究 改方浩检测到的物体边缘览度仪为一个像素 冈此且有较高的定位精度 l 刊时 值化处 理后的图像具有完整的轮廓 可以枪测到连续的边缘 5 实验结果及分析 选取5 幅微生物图像进行实骑 试验结果 f 所示 通过试验我们可以看出 s o b l e 边缘检测的边缘存在很多噪声的干扰 榆测结果不稳定 i o g 算f 的边缘检测得到的边缘 像素是孤立的或分小段连续的 冈此会三必搬多目标的边缘 而采 i 本文的边缘榆洲力法 搬清晰的椅洲出了目标的连续边缘 更多实验结粜请参看跗录l 9 阿2 2 原始微生物l 割像 i 割23s o b l e 边缘检测后的削像 j 划2 4l o g 边缘检删后的h 像 凹2 s 水文聚川的办法处理的削像 2 2 微生物图像的特征提取 图像特征足指幽像的原始特性或崩性 图像特征提取的结果给卅了某具体的图像与 j e 他幽像m f 区刖的特征 例如描迷物件表而出度变化的纹理特征 描述物体外形的j 够状特 缸 等 图像u 啪j 是根据定的图像特 l 进行的 岜影响到图像议刖分类器的i 5 引 一阵能及 识别结果的准确性 特征选样的堆木f t 务足如何从众多特征 f 找 月j 些域有教的特征 数字l 刳像的特征提取方钮 主要有以下几种 1 壮f 罔像区域的几扣f 特征和形状特祉的提取 在数字图像的口 别过程叶 儿何特征和j 眵状特征往往是非常巫婆的特征 它拙迷目杯 区域的几何性质 区域的灰度值大小无父 这娄特自雌l 括而枞 j 嗣k 宽比 砸形度 嘣形度和小变矩等 1 f 储粮微生物驻微图像处理与识别研究 2 基于图像区域的纹理特征的提取 所谓纹理通常是认为物体表面粗糙 光滑和规则的程度 纹理是图像的重要特征之一 数字图像处理的纹理特征包括方向差及其统计量 灰度共生矩阵及其统计量 灰度游程矩 阵及其统计量等 2 0 1 3 基于图像灰度统计量的特征提取 这类方法直观 计算简单 最常用的是遴过图像的灰度直方图来描述图像的灰度分布 情况 如果使用直方图的某些统计量作为特征 不但数目少 而且对灰度一阶概率分布的 描述更加明确 例如可取均值 方差 偏度 峰值 能量和熵等作为图像的描述特征 本文通对多种储粮微生物的实验数据对比发现 微生物在形体上有较大差别 结合微 生物专家的建议 决定提取微生物的几何特征 形状特征和纹理特征律为识别分类的琢始 特征 2 2 一几何特征和形状特征 在图像识别的过程中 基于图像的几何特征和形状特征的提取往往是非常重要的 几 何形状特征描述目标区域的几何性质 与区域的灰度值大小无关 因此在提取几何特征之 前 先对其进行二值化处理 设图像f x y 的大小为mxn 所提取的形态学特征定义如下 1 面积a a f x j x ly l 量标的面积为图像中尽标所占的像素点总数 2 周长p 即目标区域像素个数 p a s u m i n 其中a 为目标的面积 s u m i n 表示其4 邻域的像素值全为目标点的像素总数 3 复杂度 c e 彳二 式 2 1 6 其中p 是周长 a 为面积 c 为复杂度 在相同的面积条件下 圆形的周长最短 可以称 为是最密集的形状 c i 随簧周界凹凸变化加剧 周长增大 c 随之增大 常用复杂度 作为区域相对于圆的离散性度量 4 最小外接矩形的长 和宽彬 最小外接矩形的长定义为连接目标边界上最远两点的距 离 该直线称为长轴 宽定义为长轴两侧的目标边界点到长轴的最远距离之和 5 延伸率 s 式 2 1 7 式中 是长辘 驴是短轴 对予墓形物体其延伸率为l 目标越细长延伸率越小 6 不变矩 矩特征是其中广泛应用的形状特征之一 很多基本的二维形状特征如面积 中心 长短轴等都与矩有直接的关系 不变矩是图像的统计特性 满足平移 绅缩 旋转 均不变的不变性 广泛应用于图像识别领域 l l 储粮微生物显微图像处理与识别研究 h u 首先提出了用于区域形状识别的不变矩 由于这种矩的计算涉及区域内部和边界的 所有像素 因而耗费的时间较多 连续函数厂g y 的p q 阶几何矩m w 和中心矩 w 定义为 坍朋 f j x p y 9 b y 咖 腭 e e x i 尹 一歹户厂g y d x d y p q o 1 2 式 2 1 8 通过定义可以看出图像函数可以认为是一个变换系数m 阳组成的无限集合 这些系数 是由图像函数投影到一组二维多项式基函数上而得到的 对一个m n 的离散数字图像 k y 用双重求和代替积分 其p q 阶几何矩所w 和 中心矩 肿定义为 m 用 工 y 厂g y 朋 g i y 一歹y g p q o 1 2 式 2 1 9 x iy l 式中 孑 m l o m o o 歹 m l o m o o 为图像的重心 可以看出m 对于灰度图像 相当于图像的质量 对于二值图像 相当于图像的面积 容易证明上述中心矩具有平移不变性 为了得到尺度不变性需要根据形状区域面积进 行归一化 归一化的中心矩定义为 露用 朋 品厂 l p q 2 p q 2 3 式 2 2 0 1 9 6 2 年h u 将代数不变量理论应用于归一化后的二阶和三阶中心矩构造了7 个具有平移 旋转和尺度不变的矩不变量 1 7 乏o l 7 7 2 0 刁0 2 2 露2 0 一穆0 2 2 4 蟹 3 刁3 0 一3 r 1 2 2 7 7 0 3 3 r 2 1 2 4 7 3 0