一种基于边界带与有效边缘弧的虫体目标识别方法与流程

本发明涉及虫体目标识别，尤其涉及一种基于边界带与有效边缘弧的虫体目标识别方法。

背景技术：

1、在污水处理活性污泥工艺中，通过镜检识别钟虫、轮虫、线虫等微生物虫体，是判断污泥运行状态的重要手段。目前虫体目标检测主要分为两类技术路线：第一类为基于深度学习的目标检测方法，如yolo、faster r-cnn、ssd等网络模型。该类方法需采集大量虫体图像并人工标注目标框，构建数据集后完成模型训练，最终输出虫体的位置与类别信息。但其存在明显缺陷：一是依赖大规模标注样本与模型训练，当检测对象、显微设备或成像条件变化时，需重新采集数据并训练模型，使用与维护成本高；二是对gpu等算力硬件要求较高，难以在嵌入式设备、工业控制设备及普通办公计算机上低成本部署。

2、第二类为传统图像处理方法，通过阈值分割、边缘检测、轮廓提取结合形态学处理提取目标轮廓，再依据面积、周长、圆度等整体形态特征完成识别。该类方法的核心缺陷在于依赖完整闭合轮廓，当虫体边缘被污泥絮体遮挡、受背景干扰出现局部断裂时，轮廓提取易失败；同时其仅依靠整体形态特征判定，缺乏对虫体边缘连续平滑特性的有效描述，在复杂污泥背景下误检、漏检率较高。

3、因此，如何在无需深度学习模型训练与大规模标注样本的前提下，降低虫体检测的硬件部署门槛，同时解决传统方法依赖闭合轮廓、边界断裂时检测准确率低的问题，是本领域亟待解决的技术难题。

技术实现思路

1、有鉴于此，本技术提供一种基于边界带与有效边缘弧的虫体目标识别方法，以解决现有技术存在的不足。

2、本技术第一方面提供一种基于边界带与有效边缘弧的虫体目标识别方法，包括：

3、获取待检测的彩色显微图像，基于虫体边界与背景的颜色差异特征筛选得到候选边界区域，再通过边界宽度筛选剔除宽度不满足预设要求的区域，提取得到具有预设宽度的整图边界带；

4、对所述整图边界带进行骨架化处理，得到单像素宽度的边界骨架；在边界骨架的路径追踪过程中，遇骨架交叉节点时基于八邻域方向向量夹角筛选方向变化最小的边界路径，得到连续的有效边缘弧；

5、逐点计算各段有效边缘弧上除首尾端点外内部检测点位的方向变化角度，基于有效边缘弧的弧长、尖锐拐点占比及最大拐点角度进行联合判定，识别出属于虫体边界的有效边缘弧；

6、根据识别得到的虫体边界有效边缘弧生成对应虫体的目标外接矩形框，输出包含目标框坐标的虫体目标标注文件。

7、在第一方面一种可能的实现方式中，在提取整图边界带前对彩色显微图像执行预处理操作：

8、将所述彩色显微图像转换至hsv颜色空间，采用双边滤波算法对转换后的图像进行降噪处理。

9、在第一方面一种可能的实现方式中，整图边界带的提取过程具体包括：

10、根据预设的虫体边界hsv颜色阈值范围，对hsv颜色空间的图像进行颜色分割，生成候选边界掩膜；

11、采用形态学腐蚀操作对所述候选边界掩膜进行处理，剔除宽度小于预设边界宽度阈值的候选边界区域；

12、采用形态学膨胀操作对腐蚀后的掩膜进行处理，恢复保留区域的边界宽度，得到经颜色与宽度双重筛选后的整图边界带。

13、在第一方面一种可能的实现方式中，采用zhang-suen细化算法对所述整图边界带进行骨架化处理，得到单像素宽度的边界骨架。

14、在第一方面一种可能的实现方式中，有效边缘弧通过骨架路径追踪生成，具体过程为：

15、遍历所述边界骨架，选取骨架端点作为追踪起始点；

16、沿边界骨架的延伸方向逐像素进行路径追踪，当追踪至骨架交叉节点时，基于八邻域方向向量夹角筛选方向变化最小的路径继续延伸；

17、直至追踪至骨架端点或图像边界时，终止本次追踪，得到单段连续的有效边缘弧。

18、在第一方面一种可能的实现方式中，在骨架交叉节点处筛选路径的过程具体为：

19、以边界路径进入当前骨架交叉节点的方向作为进入方向向量，遍历当前骨架交叉节点八邻域内所有属于边界骨架的候选延续像素点，分别计算各候选延续像素点对应的离开方向向量；

20、计算各离开方向向量与进入方向向量之间的夹角，选取夹角最小的候选延续像素点作为有效边缘弧的延续路径点。

21、在第一方面一种可能的实现方式中，内部检测点位的方向变化角度通过以下方式计算：

22、沿有效边缘弧的延伸路径，取当前内部检测点位的前一相邻像素点与后一相邻像素点，分别生成指向当前检测点位的进入方向向量与离开当前检测点位的离开方向向量；

23、基于向量点积公式计算所述进入方向向量与离开方向向量的夹角，得到当前检测点位的方向变化角度。

24、在第一方面一种可能的实现方式中，联合判定的具体过程为：

25、预设拐点角度阈值、最小弧长阈值及拐点比例阈值；将方向变化角度大于所述拐点角度阈值的内部检测点位定义为尖锐拐点；

26、统计单段有效边缘弧内尖锐拐点的总数量，计算尖锐拐点总数量与该段有效边缘弧内部检测点位总数量的比值，得到尖锐拐点占比；提取该段有效边缘弧内所有方向变化角度的最大值，得到最大拐点角度；

27、当有效边缘弧的弧长大于或等于所述最小弧长阈值、尖锐拐点占比小于所述拐点比例阈值且最大拐点角度小于所述拐点角度阈值时，判定该段有效边缘弧为虫体边界的有效边缘弧。

28、在第一方面一种可能的实现方式中，对于单段连续的虫体边界有效边缘弧，生成目标外接矩形框的过程具体为：

29、采集该段有效边缘弧的全部骨架点坐标，求解所有骨架点对应的水平最小外接矩形；

30、将所述水平最小外接矩形以矩形中心为基准，按预设扩边比例对称向外扩边，使虫体完整包覆于矩形范围内，得到最终的虫体目标外接矩形框。

31、在第一方面一种可能的实现方式中，当存在多段虫体边界有效边缘弧时，先执行弧段同体判定，再生成目标外接矩形框；

32、所述弧段同体判定的过程具体为：

33、计算两段有效边缘弧所有端点两两组合的欧式距离，得到最小端点距离；

34、当所述最小端点距离小于预设距离阈值时，取构成所述最小端点距离的两个端点，分别计算两端点的延伸方向向量与两端点连线方向向量的夹角；所述端点的延伸方向向量由端点指向其相邻的骨架像素点构成；

35、当两个夹角均小于预设方向一致性阈值时，判定两段有效边缘弧属于同一虫体边界，将两段弧段合并后生成对应虫体的目标外接矩形框。

36、其有益效果在于：

37、1.无需构建标注数据集与深度学习模型训练，当检测对象、成像设备或光源条件变更时，仅需调整颜色、几何阈值即可适配，大幅降低使用与维护成本。

38、2.全程基于传统图像处理算法实现，仅依赖cpu即可运行，无需gpu算力支持，可直接部署于普通办公计算机、嵌入式工业设备及低成本显微检测仪器。

39、3.采用边界带、有效边缘弧的层级特征描述，替代传统闭合轮廓识别逻辑，能够在虫体边界被污泥遮挡、局部缺失的场景下完成目标识别，解决了传统方法轮廓断裂即失效的问题。

40、4.基于边界几何连续性特征实现虫体与杂质的区分，所有判定参数物理意义明确、可量化调整，算法逻辑可解释性强，便于工程化调试与场景适配。