一種基于信息融合的納米圖像識(shí)別方法
【專利摘要】一種基于信息融合的納米圖像識(shí)別方法，它有六大步驟：步驟一：使用透射電子顯微鏡得到納米材料圖像；步驟二：采用基于圖像亮度信息和基于圖像梯度信息兩組方法對(duì)預(yù)處理后的圖像進(jìn)行納米粒子識(shí)別，得到兩組獨(dú)立的粒子檢測(cè)結(jié)果；步驟三：使用橢圓對(duì)兩組識(shí)別結(jié)果進(jìn)行參數(shù)化，找出一致的結(jié)果；步驟四：根據(jù)原始圖像，計(jì)算參數(shù)化后兩組結(jié)果中每個(gè)粒子的可信度sA與sB；步驟五：計(jì)算兩組結(jié)果的沖突矩陣C；步驟六：通過0-1整數(shù)優(yōu)化的方法得到融合結(jié)果。實(shí)驗(yàn)證明，本發(fā)明可以在較短的時(shí)間內(nèi)，從低對(duì)比度、高噪聲的投射電子顯微鏡圖像中得到穩(wěn)定與準(zhǔn)確納米粒子識(shí)別結(jié)果。
【專利說明】一種基于信息融合的納米圖像識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于信息融合的納米圖像識(shí)別方法，特別涉及圖像中目標(biāo)的自動(dòng)檢測(cè)和分割技術(shù)。屬于計(jì)算機(jī)視覺和納米材料分析【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]近幾年來，基于透射電子顯微鏡圖像的納米圖像識(shí)別技術(shù)引起了越來越多的重視。根據(jù)納米材料的理論和經(jīng)驗(yàn)可知，納米粒子的大小，形狀和分布對(duì)材料的性質(zhì)有著顯著的影響。納米圖像識(shí)別技術(shù)能夠根據(jù)透射電子顯微鏡圖像，得到每個(gè)粒子的中心與輪廓。根據(jù)識(shí)別結(jié)果，我們可以判斷出所有粒子的形狀與分布信息，從而推斷出材料性質(zhì)。因此，它可以提聞納米材料生廣質(zhì)量控制的精度和效率。
[0003]由于納米材料屬于新興技術(shù)，目前在計(jì)算機(jī)視覺的研究中，專門針對(duì)納米粒子的相關(guān)工作還比較少。現(xiàn)有的方法多采用一些傳統(tǒng)的的目標(biāo)識(shí)別技術(shù)，如簡單二值化，或者醫(yī)學(xué)圖像處理中的細(xì)胞識(shí)別技術(shù)。由于缺少針對(duì)性，這些方法只能處理一部分圖像。而現(xiàn)有的一些納米粒子識(shí)別工作，大多也著眼于高對(duì)比度，低噪聲的清晰圖像。
[0004]對(duì)于非金屬納米材料(如納米氧化硅等)，由于其原子量和樹脂基底相差不大，透射電子顯微鏡圖像往往是低對(duì)比度的，而且含有非常明顯的噪聲。在這種情況下，現(xiàn)有的處理方法無法得到準(zhǔn)確而穩(wěn)定的納米粒子識(shí)別結(jié)果。我們發(fā)現(xiàn)，多數(shù)現(xiàn)有方法只利用單一的圖像信息，比如基于二值化的方法只利用圖像的亮度信息，而基于輪廓檢測(cè)的方法只利用了圖像的梯度信息。由于圖像質(zhì)量較低，只依靠單一信息往往不足以識(shí)別粒子。
[0005]為了克服這一缺點(diǎn)，我們提出了基于信息融合的納米粒子識(shí)別方法。在對(duì)圖像進(jìn)行預(yù)處理之后，我們使用了兩組方法獨(dú)立的對(duì)其進(jìn)行識(shí)別，分別得到納米粒子的檢測(cè)結(jié)果。第一組方法基于圖像亮度信息，而第二組方法基于圖像梯度信息。接著，我們利用橢圓模型對(duì)兩組結(jié)果進(jìn)行參數(shù)化，并找出擬合結(jié)果一致的粒子。然后，對(duì)于其余的粒子，我們根據(jù)原始圖像，計(jì)算每組粒子識(shí)別結(jié)果的可信度以及兩組結(jié)果的沖突矩陣。最后，我們使用0-1整數(shù)優(yōu)化的方法對(duì)它們進(jìn)行融合，選取更符合圖像信息的粒子識(shí)別結(jié)果，得到最終輸出。實(shí)驗(yàn)證明，我們的方法能在較短的時(shí)間內(nèi)(5-10分鐘)，從低對(duì)比度、高噪聲的透射顯微鏡圖像中，得到準(zhǔn)確的納米粒子識(shí)別和分割的結(jié)果。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提供了一種基于信息融合的納米圖像識(shí)別方法，從透射電子顯微鏡圖像中，得到納米材料中粒子的大小，形狀和分布。本發(fā)明能夠克服透射顯微鏡圖像的低分辨率和高噪聲，在較短的時(shí)間內(nèi)獲得準(zhǔn)確的納米粒子識(shí)別和分割的結(jié)果。
[0007]技術(shù)方案:
[0008]本發(fā)明是一種基于信息融合的納米圖像識(shí)別方法，該方法具體步驟如下(見圖1):
[0009]步驟一:使用透射電子顯微鏡得到納米材料圖像。
[0010]對(duì)于原始圖像，使用帶通濾波(Bandpass-filter)以及高斯濾波(Gaus ian-f i 11er )的方法對(duì)圖像進(jìn)行預(yù)處理,減少背景的不均勻性和去除隨機(jī)噪聲。
[0011]步驟二:采用兩組方法對(duì)預(yù)處理后的圖像進(jìn)行納米粒子識(shí)別，得到兩組獨(dú)立的粒子檢測(cè)結(jié)果。
[0012]第一組方法基于圖像売度/[目息。首先米用k-means方法對(duì)圖像売度彳目息以及像素位置信息一起進(jìn)行分類，將圖像分為前景(納米粒子區(qū)域)和背景(基底)兩類，然后再將前景中的重疊區(qū)域使用watershed方法進(jìn)行分割，得到每個(gè)納米粒子的識(shí)別結(jié)果(記為結(jié)果A)。第二組方法為基于圖像梯度信息。首先使用active contour方法提取出圖像前景。采用了 Chen等人的active contour without edge的方法,迭代優(yōu)化得到前景(所有納米粒子)的輪廓以及所在區(qū)域。然后使用iterative voting的方法得到每個(gè)納米粒子的中心。接著根據(jù)粒子中心位置，基于以下兩個(gè)原則分割上一步所得到的的輪廓:1)輪廓的法向需要指向粒子中心；2)輪廓與粒子中心的距離盡量近?？梢杂萌缦鹿奖硎?
[0013]argminidj- λ cos a i；
[0014]其中Cli為輪廓上的像素到粒子i中心的距離，a i是像素到粒子i中心連線與輪廓法相的夾角。λ為權(quán)重，可設(shè)定為0.3。
[0015]根據(jù)每一個(gè)粒子的輪廓，把前景像素再進(jìn)行分割(在輪廓所在的凸包之內(nèi)的，為屬于該粒子的像素)，得到單個(gè)納米粒子所在的區(qū)域。(記為結(jié)果B)。
[0016]利用active contour提取出的前景以及iterative voting得到的粒子中心，識(shí)別每一個(gè)粒子的過程見圖2 (a) - (d).[0017]兩種方法的識(shí)別結(jié)果見圖3a、圖3b。
[0018]步驟三:使用橢圓對(duì)兩組識(shí)別結(jié)果進(jìn)行參數(shù)化，找出一致的結(jié)果。
[0019]對(duì)于每個(gè)粒子，使用橢圓對(duì)其所在的區(qū)域進(jìn)行擬合，采用second-moment fitting的方法，得到最匹配的結(jié)果，記錄下橢圓的中心坐標(biāo)位置以及輪廓。
[0020]計(jì)算兩組檢測(cè)結(jié)果中每對(duì)粒子輪廓的平均距離。平均距離的計(jì)算方法為:對(duì)于結(jié)果A中粒子i輪廓上的每個(gè)像素，計(jì)算到其到結(jié)果B中的粒子j輪廓上的每個(gè)像素的最短距離。其平均值則為粒子i和粒子j的輪廓平均距離。
[0021]平均距離小于兩粒子平均半徑的0.3倍的認(rèn)為是一致的準(zhǔn)確結(jié)果，在后繼融合步驟中不予考慮。在下面的步驟中，處理其余不一致的結(jié)果。
[0022]步驟四:根據(jù)原始圖像，計(jì)算參數(shù)化后兩組結(jié)果中每個(gè)粒子的可信度sA與sB。
[0023]對(duì)于每個(gè)粒子，使用識(shí)別前后圖像亮度方差的減小值作為其可信度指標(biāo)。記某識(shí)別得到的粒子所在的前景區(qū)域?yàn)镕，其鄰域所包含的背景區(qū)域?yàn)锽，A=F U B?？尚哦扔?jì)算公式如下
【權(quán)利要求】
1.一種基于信息融合的納米圖像識(shí)別方法，其特征在于:該方法具體步驟如下: 步驟一:使用透射電子顯微鏡得到納米材料圖像； 對(duì)于原始圖像，使用帶通濾波即Bandpass-filter以及高斯濾波即Gausian-filter的方法對(duì)圖像進(jìn)行預(yù)處理，減少背景的不均勻性和去除隨機(jī)噪聲； 步驟二:采用兩組方法對(duì)預(yù)處理后的圖像進(jìn)行納米粒子識(shí)別，得到兩組獨(dú)立的粒子檢測(cè)結(jié)果； 第一組方法基于圖像亮度信息，首先采用k-means方法對(duì)圖像亮度信息以及像素位置信息一起進(jìn)行分類，將圖像分為前景即納米粒子區(qū)域和背景即基底兩類，然后再將前景中的重疊區(qū)域使用watershed方法進(jìn)行分割，得到每個(gè)納米粒子的識(shí)別結(jié)果，記為結(jié)果A ；第二組方法為基于圖像梯度信息，首先使用active contour方法提取出圖像前景，采用了 Chen的active contour without edge的方法,迭代優(yōu)化得到前景所有納米粒子的輪廓以及所在區(qū)域；然后使用iterative voting的方法得到每個(gè)納米粒子的中心,接著根據(jù)粒子中心位置，基于以下兩個(gè)原則分割上一步所得到的的輪廓:1)輪廓的法向需要指向粒子中心；2)輪廓與粒子中心的距離盡量近；用如下公式表示:
BrgminiCi1-入 cos a 其中，Cli為輪廓上的像素到粒子i中心的距離，a i是像素到粒子i中心連線與輪廓法相的夾角，λ為權(quán)重，設(shè) 定為0.3; 根據(jù)每一個(gè)粒子的輪廓，把前景像素再進(jìn)行分割，得到單個(gè)納米粒子所在的區(qū)域，記為結(jié)果B ； 利用active contour提取出的前景以及iterative voting得到的粒子中心； 步驟三:使用橢圓對(duì)兩組識(shí)別結(jié)果進(jìn)行參數(shù)化，找出一致的結(jié)果； 對(duì)于每個(gè)粒子，使用橢圓對(duì)其所在的區(qū)域進(jìn)行擬合，采用second-moment fitting的方法，得到最匹配的結(jié)果，記錄下橢圓的中心坐標(biāo)位置以及輪廓； 計(jì)算兩組檢測(cè)結(jié)果中每對(duì)粒子輪廓的平均距離；平均距離的計(jì)算方法為:對(duì)于結(jié)果A中粒子i輪廓上的每個(gè)像素，計(jì)算到其到結(jié)果B中的粒子j輪廓上的每個(gè)像素的最短距離；其平均值則為粒子i和粒子j的輪廓平均距離； 平均距離小于兩粒子平均半徑的0.3倍的認(rèn)為是一致的準(zhǔn)確結(jié)果，在后繼融合步驟中不予考慮，在下面的步驟中，處理其余不一致的結(jié)果； 步驟四:根據(jù)原始圖像，計(jì)算參數(shù)化后兩組結(jié)果中每個(gè)粒子的可信度sA與sB ; 對(duì)于每個(gè)粒子，使用識(shí)別前后圖像亮度方差的減小值作為其可信度指標(biāo)；記某識(shí)別得到的粒子所在的前景區(qū)域?yàn)镕，其鄰域所包含的背景區(qū)域?yàn)锽，A=F U B ;可信度計(jì)算公式如下:
【文檔編號(hào)】G06T5/50GK103839266SQ201410068031
【公開日】2014年6月4日 申請(qǐng)日期:2014年2月27日 優(yōu)先權(quán)日:2014年2月27日
【發(fā)明者】錢彥君, 黃建華, 李曉冬, 丁宇 申請(qǐng)人:德克薩斯州農(nóng)工大學(xué), 中國科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院