一種統(tǒng)計區(qū)域靜態(tài)圖片或動態(tài)視頻中細胞數(shù)量統(tǒng)計方法
【專利摘要】本發(fā)明一種適用于圖像細胞數(shù)量識別統(tǒng)計方法，它采用了計算機開源視覺庫openCV作為模型基礎(chǔ)，樹形特征分類作為識別依據(jù)，將設(shè)備采集到的某個區(qū)域的圖像數(shù)據(jù)的細胞數(shù)計算出來，進行匯總，生成XML文件，并利用這個涵蓋全部地點細胞數(shù)的信息的XML文件將信息多接口的發(fā)布出去。本發(fā)明的識別模型，在各種環(huán)境下對細胞的識別率相對較高，運行速度較快，達到實際應(yīng)用的水平。
【專利說明】一種統(tǒng)計區(qū)域靜態(tài)圖片或動態(tài)視頻中細胞數(shù)量統(tǒng)計方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明是涉及一種模式識別技術(shù)，具體地說是涉及一種通過計算機或者其他設(shè)備來統(tǒng)計某個區(qū)域的靜態(tài)圖片或者動態(tài)視頻中的細胞數(shù)量，并進行統(tǒng)計的圖形及其計算統(tǒng)計方法。

【背景技術(shù)】
[0002]目前世界的科研技術(shù)日趨發(fā)達，對微生物的研究與利用逐漸變得可行與重要。在微生物的研究中，經(jīng)常需要對細胞的數(shù)量進行統(tǒng)計工作，僅僅憑借肉眼識別細胞并且統(tǒng)計數(shù)量成為一項耗時費力的工作，大大降低研究效率。本發(fā)明通過通過計算機或者其他設(shè)備來統(tǒng)計某個區(qū)域的靜態(tài)圖片或者動態(tài)視頻中的細胞數(shù)量，可以大大減少人的不必要勞動，使得科研變得較為高效。


【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的是克服了現(xiàn)有技術(shù)中的不足，提供了一種。
[0004]為了解決上述技術(shù)問題，本發(fā)明是通過以下技術(shù)方案實現(xiàn):
本發(fā)明一種統(tǒng)計某個區(qū)域的靜態(tài)圖片或者動態(tài)視頻中的細胞數(shù)量的統(tǒng)計方法的工作原理如下:
一種圖像細胞識別統(tǒng)計方法，其特征是它包括以下步驟:
(a)建立級聯(lián)分類器:由計算機開源視覺庫openCV搭建人工神經(jīng)網(wǎng)絡(luò)，從若干張樣本著手，訓(xùn)練出級聯(lián)分類器:
該級聯(lián)分類器的訓(xùn)練步驟為:
將分類器分為若干級，每一級設(shè)定一種劃分圖像的方法，以黑白區(qū)域表示，計算黑白區(qū)域像素值的積分差值，根據(jù)該積分差值計算該級分類器的分類參數(shù)，包括總閥值和左右兩個分支值，若干級的分類參數(shù)經(jīng)過組合，形成級聯(lián)分類器；
采集若干張樣本圖片，將樣本圖片目的特征即細胞體的幾何中心重合，將處理后的樣本圖像，劃分成黑白兩個區(qū)域，根據(jù)白色區(qū)域內(nèi)的像素和黑色區(qū)域內(nèi)的像素，計算出積分差值，根據(jù)這個差值，計算出各級分類器的分類參數(shù)，包括總閥值和兩個分支值，其中兩個分支值是總閥值的劃分，每一級分類器對于黑白區(qū)域的劃分細致程度不同；
(b)采用與訓(xùn)練樣本同樣大小的窗口劃分整幅待識別圖像，每當劃分出一部分圖像，SP按照樣本樣本的計算方法，分級計算出該圖像的分類參數(shù)，將計算出的總閥值與分類器中對應(yīng)級的分類參數(shù)中的總閥值進行比較，從而選擇左或者右分支值；
(c)進入下一級篩選，當計算出的分類參數(shù)不符合分類器中的參數(shù)時，表示該圖像不含有目的特征，此時停止計算，將劃分窗口移動到下一個位置，重復(fù)步驟b— C，當劃分窗口中的圖像通過分類器所有級的時候，這個劃分窗口中的圖像含有目的特征。
[0005]本發(fā)明的統(tǒng)計過程中，如果有客戶提出查詢請求，則進行查詢，將相應(yīng)信息發(fā)給請求方。
[0006]本發(fā)明的的樣本圖片包括細胞整體圖像，該圖片經(jīng)人工處理，截取下來，統(tǒng)一尺寸，截取后各特征部分的集合中心重合，處理過后錄入神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，處理后的圖像尺寸為
25011*250110
[0007]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是:
本發(fā)明一種統(tǒng)計某個區(qū)域的靜態(tài)圖片或者動態(tài)視頻中的細胞數(shù)量的統(tǒng)計方法，使用了Haar特征識別模式。對于細胞數(shù)識別來說，該模式更適用，相對其他兩種模式，識別模式的建立更方便。

【專利附圖】

【附圖說明】
[0008]圖1是一種統(tǒng)計區(qū)域靜態(tài)圖片或動態(tài)視頻中細胞數(shù)量統(tǒng)計方法的流程圖。

【具體實施方式】
[0009]目前國際上公認較好的三種特征識別模式為:SIFT/SURF、Haar特征，廣義hough變換特征。
[0010]二種模式都是基于強度信息，都是特征方法。
[0011]SIFT/SURF的特征是一種具有強烈方向性及亮度性的特征，這使得它適用于剛性形變，稍有透視形變的場合；
Haar特征識別方法帶有一點人工智能的意味，對于像細胞這種有明顯的，穩(wěn)定結(jié)構(gòu)的Haar特征的物體最適用，只要結(jié)構(gòu)相對固定即使發(fā)生扭曲等非線性形變依然可識別；
廣義hough變換完全是精確的匹配，可得到物體的位置方向等參數(shù)信息。
[0012]本專利所設(shè)計的方法，使用了 Haar特征識別模式。對于細胞數(shù)識別來說，該模式更適用，相對其他兩種模式，識別模式的建立更方便。
[0013]下面結(jié)合附圖與【具體實施方式】對本發(fā)明作進一步詳細描述:
如圖1所示，一種圖像細胞數(shù)量識別統(tǒng)計方法，，它包括以下步驟:
(a)建立級聯(lián)分類器:由計算機開源視覺庫openCV搭建人工神經(jīng)網(wǎng)絡(luò)，從若干張樣本著手，訓(xùn)練出級聯(lián)分類器:
該級聯(lián)分類器的訓(xùn)練步驟為:
將分類器分為若干級，每一級設(shè)定一種劃分圖像的方法，以黑白區(qū)域表示，計算黑白區(qū)域像素值的積分差值，根據(jù)該積分差值計算該級分類器的分類參數(shù)，包括總閥值和左右兩個分支值，若干級的分類參數(shù)經(jīng)過組合，形成級聯(lián)分類器；
采集若干張樣本圖片，將樣本圖片目的特征即細胞體的幾何中心重合，將處理后的樣本圖像，劃分成黑白兩個區(qū)域，根據(jù)白色區(qū)域內(nèi)的像素和黑色區(qū)域內(nèi)的像素，計算出積分差值，根據(jù)這個差值，計算出各級分類器的分類參數(shù)，包括總閥值和兩個分支值，其中兩個分支值是總閥值的劃分，每一級分類器對于黑白區(qū)域的劃分細致程度不同；
(b)采用與訓(xùn)練樣本同樣大小的窗口劃分整幅待識別圖像，每當劃分出一部分圖像，SP按照樣本樣本的計算方法，分級計算出該圖像的分類參數(shù)，將計算出的總閥值與分類器中對應(yīng)級的分類參數(shù)中的總閥值進行比較，從而選擇左或者右分支值；
(c)進入下一級篩選，當計算出的分類參數(shù)不符合分類器中的參數(shù)時，表示該圖像不含有目的特征，此時停止計算，將劃分窗口移動到下一個位置，重復(fù)步驟b— C，當劃分窗口中的圖像通過分類器所有級的時候，說明這個部分以較大的概率被識別，即這個劃分窗口中的圖像含有目的特征。
[0014]統(tǒng)計過程中，如果有客戶提出查詢請求，則進行查詢，將相應(yīng)信息發(fā)給請求方。
[0015]樣本圖片包括細胞整體，該圖片經(jīng)人工處理后錄入神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，處理后的圖像尺寸為 25011*25011。
[0016]本發(fā)明中涉及的未說明部份與現(xiàn)有技術(shù)相同或釆用現(xiàn)有技術(shù)加以實現(xiàn)。
【權(quán)利要求】
1.一種圖像細胞識別統(tǒng)計方法，其特征是它包括以下步驟: (a)建立級聯(lián)分類器:由計算機開源視覺庫openCV搭建人工神經(jīng)網(wǎng)絡(luò)，從若干張樣本著手，訓(xùn)練出級聯(lián)分類器: 該級聯(lián)分類器的訓(xùn)練步驟為: 將分類器分為若干級，每一級設(shè)定一種劃分圖像的方法，以黑白區(qū)域表示，計算黑白區(qū)域像素值的積分差值，根據(jù)該積分差值計算該級分類器的分類參數(shù)，包括總閥值和左右兩個分支值，若干級的分類參數(shù)經(jīng)過組合，形成級聯(lián)分類器； 采集若干張樣本圖片，將樣本圖片目的特征即細胞體的幾何中心重合，將處理后的樣本圖像，劃分成黑白兩個區(qū)域，根據(jù)白色區(qū)域內(nèi)的像素和黑色區(qū)域內(nèi)的像素，計算出積分差值，根據(jù)這個差值，計算出各級分類器的分類參數(shù)，包括總閥值和兩個分支值，其中兩個分支值是總閥值的劃分，每一級分類器對于黑白區(qū)域的劃分細致程度不同； (b)采用與訓(xùn)練樣本同樣大小的窗口劃分整幅待識別圖像，每當劃分出一部分圖像，SP按照樣本樣本的計算方法，分級計算出該圖像的分類參數(shù)，將計算出的總閥值與分類器中對應(yīng)級的分類參數(shù)中的總閥值進行比較，從而選擇左或者右分支值； (c)進入下一級篩選，當計算出的分類參數(shù)不符合分類器中的參數(shù)時，表示該圖像不含有目的特征，此時停止計算，將劃分窗口移動到下一個位置，重復(fù)步驟b— C，當劃分窗口中的圖像通過分類器所有級的時候，這個劃分窗口中的圖像含有目的特征。
2.根據(jù)權(quán)利要求1所述的圖像細胞識別統(tǒng)計方法，其特征是所述的統(tǒng)計過程中，如果有客戶提出查詢請求，則進行查詢，將相應(yīng)信息發(fā)給請求方。
3.根據(jù)權(quán)利要求1所述的圖像細胞識別統(tǒng)計方法，其特征是所述的樣本圖片包括細胞整體圖像，該圖片經(jīng)人工處理，截取下來，統(tǒng)一尺寸，截取后各特征部分的集合中心重合，處理過后錄入神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，處理后的圖像尺寸為25cm*25cm。
【文檔編號】G06K9/62GK104463184SQ201310419776
【公開日】2015年3月25日 申請日期:2013年9月15日 優(yōu)先權(quán)日:2013年9月15日
【發(fā)明者】高蓉 申請人:南京大五教育科技有限公司