采用图像识别技术将环境微生物进行分类的方法和系统的制作方法
【技术领域】
[0001]本发明涉及环境微生物分类技术领域，尤其涉及一种采用图像识别技术将环境微生物进行分类的方法和系统。
【背景技术】
[0002]微生物在自然界中是无处不在，无处不有的，数目巨大。微生物对于地球上的生命是至关重要的，它们可以将重要的元素转换为能量，保持大气中的化学平衡，为植物和动物提供养分。微生物还可以用于实现许多商业目的，如制造抗生素、提高农业效率以及生产生物燃料。此外还有一小部分微生物对人有害，导致各种疾病的发生。从历史观点来看，微生物研究主要集中于研究个体物种。
[0003]现有技术中要将环境微生物进行分类通常采用的方法是:将DNA标签序列与已知数据库中的已知序列进行比对，并根据比对结果确定DNA标签序列的所属分类。从而实现环境微生物的分类，但这样的分类方法需要检测DNA的序列，导致分类过程复杂，难以实现。
【发明内容】
[0004]本发明的目的是针对现有技术中的分类方法实现过程复杂的技术问题，本发明公开了一种采用图像识别技术将环境微生物进行分类的方法和系统。
[0005]本发明的技术方案如下:
本发明公开了一种采用图像识别技术将环境微生物进行分类的方法，其具体包括以下的步骤:步骤一、构建环境微生物分类模型，采用原始环境微生物显微图片对分类模型进行训练;步骤二、获取新的需要分类的环境微生物的显微图片，人工选定环境微生物所在的区域，在环境微生物所在的区域内采用边缘检测获得环境微生物的边缘分布，然后再次人工选定最终的环境微生物所在的区域，并将该区域保存为二值图；步骤三、获取二值图的全局形状特征和局部形状特征，分类模型根据全局形状特征和局部形状特征进行环境微生物的分类，所述局部形状特征采用尺度不变特征。通过构建分类模型，根据图片就可以实现环境微生物的分类，在分类的过程中既判断图像的全局形状特征，也判断图像的局部形状特征，提高了最终的微生物分类的准确率。
[0006]更进一步地，上述边缘检测具体为Sobel边缘检测或者Canny边缘检测。通过边缘检测检测出环境微生物的图像边缘，以便于后续的分类。
[0007]更进一步地，上述全局形状特征为:边缘柱状图描述子、几何特征、傅里叶描述子和内部结构柱状图其中的一种、或其中任意两种或任意三种的结合、或者四种全部包括。全局形状特征结合局部形状特征，提高了分类的准确性。
[0008]更进一步地，上述方法还包括对形状签名进行傅里叶变换，形状签名中的主要信息通过低阶傅里叶系数表示出来，高阶傅里叶系数则用于表示细节信息，经过傅里叶变换的形状签名呈镜面对称的结构。
[0009]更进一步地，上述局部形状特征为SIFT特征、RGB-SIFT特征、成对的SIFT特征、或者快速SIFT其中的一种。
[0010]更进一步地，上述SIFT特征采用以下的方式进行提取:首先在尺度空间中寻找极值点，接着提取出这些极值点的位置、尺度和旋转不变参数，最后形成一个128维度的特征向量:SIFT=[S1, S2 ,...，S128] To[0011 ] 更进一步地，上述分类采用SVM分类器实现。
[0012]更进一步地，上述分类器为“两类SVM分类器”(，英文为Two-class SVMClassifier，而不是说有两种类型的分类器)。由于分类结果明确，所以更适合进行后期特征融合来增环境微生物分类结果。
[0013]更进一步地，上述合并过程具体如下:首先，利用五个独立的特征向量与两类SVM分类器进行环境微生物分类并得到相应分类分数，其次，利用网格式方法对SVM分数进行优化，并得到能够产生最佳分类结果的权重组合，最后，这个最优的权重组合被应用在整个环境微生物分类之中。
[0014]本发明还公开了一种采用图像识别技术将环境微生物进行分类的系统，其具体包括模型构建单元、模型训练单元、环境微生物显微图片获取单元、边缘检测单元、全局形状特征获取单元、局部形状特征获取单元和分类器;所述模型构建单元用于构建环境微生物分类模型;所述模型训练单元用于采用原始环境微生物显微图片对分类模型进行训练;所述环境微生物显微图片获取单元用于获取新的需要分类的环境微生物的显微图片，人工选定环境微生物所在的区域;所述边缘检测单元用于在环境微生物所在的区域内采用边缘检测获得环境微生物的边缘分布，然后再次人工选定最终的环境微生物所在的区域，并将该区域保存为二值图；所述全局形状特征获取单元用于获取二值图的全局形状特征;所述局部形状特征获取单元用于获取局部形状特征;所述分类模型中的分类器用于根据全局形状特征和局部形状特征进行环境微生物的分类，所述局部形状特征采用尺度不变特征。通过构建分类模型，根据图片就可以实现环境微生物的分类，避免DNA检测的复杂，在分类的过程中既判断图像的全局形状特征，也判断图像的局部形状特征，提高了最终的微生物分类的准确率。
[0015]通过采用以上的技术方案，本发明的有益效果是:本发明的方法和系统加强了环境微生物形状特征提取的技术，进而提高了最终的微生物分类准确率。五种形状特征(四种全局形状特征加一种局部形状特征)提取方法被结合使用，避免只使用全局形状特征无法描述微生物局部形状细节的问题。
【附图说明】
[0016]本发明将通过例子并参照附图的方式说明，其中:
图1为本发明的具体实现流程图。
[0017]图2环境微生物分类结果散点图，纵轴:ωι,ω2,.....ω15为EMDS中15类环境微生物的样本，μ为15类微生物分类结果的平均值;横轴:平均精确度，在[0，1]之间，越接近1说明分类结果越好。
【具体实施方式】
[0018]下面结合说明书附图，详细说明本发明的具体实施例。
[0019]本发明公开了一种采用图像识别技术将环境微生物进行分类的方法，其具体包括以下的步骤:步骤一、构建环境微生物分类模型，采用原始环境微生物显微图片对分类模型进行训练;步骤二、获取新的需要分类的环境微生物的显微图片，人工选定环境微生物所在的区域，在环境微生物所在的区域内采用边缘检测获得环境微生物的边缘分布，然后再次人工选定最终的环境微生物所在的区域，并将该区域保存为二值图；步骤三、获取二值图的全局形状特征和局部形状特征，分类模型根据全局形状特征和局部形状特征进行环境微生物的分类，所述局部形状特征采用尺度不变特征。通过构建分类模型，根据图片就可以实现环境微生物的分类，避免DNA检测的复杂，在分类的过程中既判断图像的全局形状特征，也判断图像的局部形状特征，提高了最终的微生物分类的准确率。对于EMDS环境微生物数据库的15类微生物(每类10个样本)进行分类测试，本发明的方法获得了 96%的总体平均精确度，大大高于每个单独特征的分类结果。
[0020]本发明中采用北京科技大学土木与环境工程学院提供的EMDS环境微生物显微图片数据库进行系统训练。EMDS数据库包含15类(太阳虫、表壳虫、钟虫等)，300张常见环境微生物图片，涵盖了环境工程实践工作中经常可见的环境微生物形态。
[0021 ] 更进一步地，上述边缘检测具体为Sobel边缘检测或者Canny边缘检测。首先人工光标选定微生物所在的区域，其次，利用均值滤波法对图像进行去噪，再次，利用Sobel边缘检测获得微生物的边缘分布，接着，通过膨胀、腐蚀等形态学处理手段对微生物内部的孔隙进行填充并对微生物轮廓进行光滑处理，最后，再次人工选定最终的微生物所在区域，并将得到的图片保存为二值图作为最终分割结果。
[0022]更进一步地，上述全局形状特征为:边缘柱状图描述子、几何特征、形状签名和内部结构柱状图其中的一种、或其中任意两种或任意三种的结合、或者四种全部包括，具体采用哪一种全局特征或者组合根据需要或者图像的特点进行适应性的选择。
[0023]边缘柱状图描述子(EHD)是一种全局形状特征，通过对连续边缘数量的统计达到形状特征描述的目的。在一个形状的边缘中，存在大量离散的边缘，这种方法将这些边缘按照像素的数量进行统计，比如以(1-10，11-20，…，111-120，>120像素)作为分组统计区间构成柱状图。每个柱值对应特征向量的一个维度，比如1-10对应1^11-20对应12，依次类推，111-120对应113，Ii3对应>120，EHD可以表示为一个13维的特征向量:EHD=[Ii,I2,…，Ιι3]Το
[0024]几何特征(GF)由常用的几何度量值构成，包括形状的周长(Ρ)、面积(Α)、复杂度(C=P2/4jtA)、长轴长度(L)、短轴长度(S)和延伸率(E=S/L)等。本发明应用以上六个基础几何特征构成了一个六维特征向量:GF=[P，A, C, L, S, E]T。
[0025]形状签名是一种精确但不健壮的形状描述方法，它利用形状中心到边缘的距离构成一条曲线，该曲线是形状边缘的精确变形，能够完全地描述形状边缘的特征。但由于形状签名对于测距起始点非常敏感，因此，一旦形状发生旋转，则形状签名的描述能力会大幅下降。
[0026]因此，更进一步地，上述方法还包括对形状签名进行傅里叶变换，形状签名中的主要信息通过低阶傅里叶系数表示出来，高阶傅里叶系数则用于表示细节信息，经过傅里叶变换的形状签名呈镜面对称的结构。本发明使用傅里叶描述子(FD)来解决形状签名的旋转敏感问题。FD利用傅里叶变换消除形状签名对于图像旋转的敏感性，并保持大部分形状信息。FD在对形状签名进行傅里叶变换的过程中，将形状签名中的主要信息通过低阶傅里叶系数表示出来，而高阶傅里叶系数则用于表示细节信息。本发明定义了 100个边缘样本点，每两个相邻的样本点之间具有相同的距离，由于经过傅里叶变换的形状签名呈镜面对称的结构，所以最终得到了一个50维度的特征向量:FD=[Fi，F2,…，F50]To
[0027]内部结构柱状图(ISH)是一种基于形状边缘的形状描述方法，能够稳定地描述形状的结构特征。ISH首先提取形状边缘样本点，然后在每三个样本点之间得到三个角度，最后把这些角度按照度数进行统计分组并构成柱状图。本发明定义了 100个边缘样本点，每两个相邻的样本点之间具有相同的距离，并按照(0-18°，19-36°，…，3