一种基于图像光谱原理的炭屑自动统计方法

1.本发明涉及生态环境变化研究中的火事件定量重建领域，尤其涉及一种基于图像光谱原理的炭屑自动统计方法。


背景技术：

2.火是一种重要的生态因子，研究不同时间尺度的火事件并探讨驱动机制，对认识全球变化背景下火灾的发展规律具有重要参考价值。其中，炭屑是植物体不完全燃烧产生的黑色无机碳化合物，被称为火的化石，有助于古火历史的重建与现代火灾的定量研究，因此，对炭屑的鉴定具有重要意义。
3.现有炭屑鉴定方法主要是在显微镜下进行人工目视统计，即对采集的土样进行称重并加入一定量的辅助计算浓度的外加颗粒（如石松孢子、黑色微球，现有技术多采用石松孢子，加入的原因在于需要根据显微镜下统计到的石松孢子颗粒的数量占加入石松孢子总数的比例，换算显微玻片统计视域内样品重量占总样品重量的比例），经化学处理与筛选去除矿物类杂质得到显微样品，并对其进行显微玻片制作，然后在显微镜下进行炭屑与石松孢子的人工目视统计（图1a）。人工目视统计方法不但人力消耗大、时间成本高，而且对统计人员的经验和细致程度都有很高要求，因此，使用计算机辅助进行炭屑的自动统计具有重要的现实意义。
4.据不完全统计，目前全世界范围内已公开13篇（国外9篇，国内4篇）相关论文与专利论述了炭屑自动统计的方法。但现有炭屑自动统计方法往往存在以下问题：
⑴
炭屑统计方法缺陷：仅采用灰度阈值作为统计炭屑的指标，但炭屑近似物的灰度值也较低，难以避免错分和漏分；
⑵
辅助计算浓度的指标物选择不当：使用图像特征更为复杂的石松孢子作为辅助计算浓度的手段，这使得计算机识别的速度更慢、准确性更低；
⑶
只讨论方法不检验精度：比如直接通过图像处理软件设定灰度阈值进行炭屑统计，但未说明其采样该灰度阈值的依据，也未检验统计结果的可靠性，方法的准确性未知；
⑷
无法进行大规模统计：比如通过对大颗粒炭屑进行相机拍照或对部分显微镜视域进行截图，只适用于少量样品，操作繁琐且不能达到人工目视统计的统计量；
⑸
未详细描述所采用的方法流程：比如描述了自动统计的基本原理，但未达到本领域技术人员在不经创造性劳动即可重复的公开程度，因此无法对其方法做出可行性判断和评价。


技术实现要素：

5.本发明所要解决的技术问题是提供一种精度高、速度快、操作简便、适合大量样本统计的基于图像光谱原理的炭屑自动统计方法。
6.为解决上述问题，本发明所述的一种基于图像光谱原理的炭屑自动统计方法，包括以下步骤：
⑴
数字图像获取：将经实验处理得到的炭屑样品制成显微固定玻片，并使用玻片扫描仪生成数字图
像；
⑵
统计规则建立：随机选择数个样本为训练集和测试集，并将所述训练集用于自动统计规则的建立，所述测试集用于自动统计规则的准确性检验，然后建立统计规则，以区分炭屑、炭屑近似物及用于辅助计算浓度的黑色微球；
⑶
炭屑自动统计：将所述统计规则运用于炭屑自动统计，获取形状参数，继而进行火事件定量重建。
7.所述步骤
⑵
中统计规则按下述方法建立：
①
随机选择10个样品的显微数字图像文件，按炭屑颗粒100粒以上为参考标准随机截取其中1小块区域，其中5个作为训练集，5个作为测试集；
②
在训练集中标定炭屑、炭屑近似物、黑色微球的样本；
③
计算样本中包括像元灰度值、颗粒灰度值七参数、颗粒圆度的统计指标；所述颗粒灰度值七参数为平均数、中位数、众数、标准差、平均数中位数众数和、平均数减中位数、众数减中位数；
④
判断所述统计指标对炭屑、炭屑近似物、黑色微球的区分效果，根据最小误差确定自动统计标准；
⑤
将所述自动统计标准在测试集中进行测试，检验自动统计效果；若在测试集上达到统计精度要求，则进行炭屑自动统计；若未达到统计精度要求，则返回所述步骤
①
中，分析样本标定的代表性。
8.所述步骤
⑶
中炭屑自动统计按下述方法进行：
ⅰ
将所述步骤
⑵
统计规则中的像元灰度值的最佳值作为像元灰度值阈值，并采用该像元灰度值阈值将炭屑、炭屑近似物、黑色微球与其他杂质区分开；
ⅱ
将所述步骤
⑵
统计规则中的颗粒灰度值七参数的最佳值作为颗粒灰度值标准差阈值，并采用该颗粒灰度值标准差阈值将炭屑、黑色微球与炭屑近似物区分开；
ⅲ
将所述步骤
⑵
统计规则中的颗粒圆度最佳值作为颗粒圆度阈值，并采用该颗粒圆度阈值将炭屑与黑色微球区分开；
ⅳ
自动获取炭屑颗粒的颗粒数与形状参数，继而可根据炭屑学的一般原理进行火事件定量重建。
9.本发明与现有技术相比具有以下优点：1、提高了炭屑统计速度与结果间的可比性。
10.⑴
以往的炭屑研究主要是在显微镜下进行人工目视统计，若要达到一定的统计精度，比如鉴定到300粒外加石松孢子/黑色微球以上，鉴定一个样品平均需要4-8个小时，时间成本高；而本发明将统计时间降低到约20分钟，提高统计效率约95%。
11.⑵
现有人工目视统计高度依赖统计人员的经验，对于同一个样品，经验不同的操作人员可能得出差异较大的不同结果；而本发明自动统计不受操作人员经验的制约，统计标准一致，结果之间具有更强的可比性。
12.2、显著提高了准确性与可操作性。
13.⑴
现有技术中仅使用灰度阈值进行炭屑自动统计，而本发明综合使用灰度值、灰度值七参数、圆度等计算机自动统计指标，提高了准确性。
14.⑵
现有技术中使用图像特征更为复杂的石松孢子作为辅助计算浓度的手段，这使得计算机识别的速度更慢、准确性更低；而本发明法使用图像特征更为简单的黑色微球作为辅助计算浓度的手段，识别速度更快，准确性更高。
15.⑶
本发明引入测试集进行精度检验，提高了炭屑检验精度，避免了现有技术中不检验精度，统计结果的准确性未知的问题出现。
16.⑷
本发明适用于对整张显微玻片的大规模处理，克服了现有技术只统计少量样品、无法达到最低统计样本量的不足。
17.3、本发明操作简便，可为火事件定量重建提供数据支撑。
附图说明
18.下面结合附图对本发明的具体实施方式作进一步详细的说明。
19.图1为炭屑样品的显微图像截图。其中：a为现有技术下人工目视统计情形；b为本发明自动统计情形。
20.图2为本发明中炭屑与炭屑近似物对灰度值七参数标准的满足程度。
21.图3为本发明中炭屑与黑色微球的圆度可区分性。
22.图4为本发明技术路线方框图。
23.图5为本发明实施例1的部分技术流程示意图。其中：a展示了制作完成的显微玻片的情况；b展示了玻片扫描的情况；c展示了玻片扫描所获取的数字图像的情况；d展示了数字图像灰度变换的结果（从彩色图变为黑白灰度图）；e展示了通过灰度阈值分割提取出炭屑、炭屑近似物、黑色微球的结果；f展示了通过降噪处理剔除小颗粒的结果；g展示了信息参数测量的结果，包括颗粒灰度值七参数（平均数、中位数、众数、标准差、平均数中位数众数和、平均数减中位数、众数减中位数），圆度，和炭屑研究需要的统计指标如颗粒数、长轴长度、短轴长度、面积、周长等。
24.图6为本发明实施例1的结果与人工统计结果的对比图，显示自动统计达到人工统计精度。其中：a显示自动统计与人工统计得到的总颗粒数结果一致；b显示自动统计与人工统计得到的总面积结果一致。
具体实施方式
25.如图4所示，一种基于图像光谱原理的炭屑自动统计方法，包括以下步骤：
⑴
数字图像获取：将经实验处理得到的炭屑样品制成显微固定玻片，并使用玻片扫描仪生成数字图像。
26.⑵
统计规则建立：随机选择数个样本为训练集和测试集，并将训练集用于自动统计规则的建立，测试集用于自动统计规则的准确性检验，然后建立统计规则，以区分炭屑、炭屑近似物（易与炭屑混淆而不应被统计者）及用于辅助计算浓度的黑色微球。具体过程如下：
①
随机选择10个样品的显微数字图像文件，按炭屑颗粒100粒以上（以达到统计要求）为参考标准随机截取其中1小块区域，其中5个作为训练集，5个作为测试集；
②
在训练集中标定炭屑、炭屑近似物、黑色微球的样本；
③
计算样本中包括像元灰度值、颗粒灰度值七参数、颗粒圆度的统计指标；所述颗粒灰度值七参数为平均数、中位数、众数、标准差、平均数中位数众数和、平均数减中位数、众数减中位数；
④
判断统计指标对炭屑、炭屑近似物、黑色微球的区分效果，根据最小误差确定自动统计标准；
⑤
将自动统计标准在测试集中进行测试，检验自动统计效果；若在测试集上达到统计精度要求，则进行炭屑自动统计；若未达到统计精度要求，则返回步骤
①
中，分析样本标定的代表性。
27.⑶
炭屑自动统计：将统计规则运用于炭屑自动统计，获取形状参数，继而进行火事件定量重建。具体过程如下：
ⅰ
将步骤
⑵
统计规则中的像元灰度值的最佳值作为像元灰度值阈值，并采用该像元灰度值阈值将炭屑、炭屑近似物、黑色微球与其他杂质区分开；
ⅱ
将步骤
⑵
统计规则中的颗粒灰度值七参数的最佳值作为颗粒灰度值标准差阈值，并采用该颗粒灰度值标准差阈值将炭屑、黑色微球与炭屑近似物区分开；
ⅲ
将步骤
⑵
统计规则中的颗粒圆度最佳值作为颗粒圆度阈值，并采用该颗粒圆度阈值将炭屑与黑色微球区分开；
ⅳ
自动获取炭屑颗粒的颗粒数与长轴长度、短轴长度、长宽比、面积、周长等形状参数，继而可根据炭屑学的一般原理进行火事件定量重建。
28.【工作原理】本发明将辅助计算浓度的颗粒物由石松孢子变为黑色微球，如图1b所示。因为石松孢子的颜色、纹理信息丰富，而黑色微球接近纯黑色，因此，黑色微球相比石松孢子图像特征更简单，从计算机图像处理的角度而言，黑色微球可以更便捷地实现自动统计。
29.实现炭屑自动统计需要完成两个任务，一是实现炭屑的自动统计，二是实现辅助计算浓度的外加颗粒物（石松孢子或黑色微球）的自动统计。外加颗粒物辅助计算浓度的原理是：将初始样品称重，并加入已知数量的外加颗粒物，则在统计时，可根据显微玻片上出现的外加颗粒物的数量与加入总数的比例，通过显微玻片上出现的炭屑的数量换算得到原始样品中炭屑的浓度。
30.一方面，首先考虑炭屑的自动统计，炭屑呈不透明、有棱角、偏黑色的块状物，炭屑近似物与炭屑都体现出偏黑色的特征（图1），在计算机数字图像处理领域，这意味着灰度值较低（一般，灰度值可用0~255表示，0表示纯黑色，255表示纯白色），因此，可以使用灰度值阈值将炭屑、炭屑近似物与其他杂质与白色背景区分开。然后考虑炭屑与炭屑近似物的区分，事实上，现有自动统计方案多未做区分，直接将灰度值低于一定值的对象视作炭屑，这是不准确的，因为，炭屑近似物的灰度值也较低。观察发现，两者的区别在于炭屑颜色接近纯黑色，而炭屑近似物颜色变化较大（图1），这在数学中可以使用标准差、中位数、众数、平均数等统计指标进行描述，根据本发明的实际测试，发现平均数、中位数、众数、标准差、平均数中位数众数和、平均数减中位数、众数减中位数等指标都有助于区分炭屑与炭屑近似物，但综合使用的区分效果好于任一指标单独使用。因此，本发明提出炭屑七参数的区分方法，根据训练集和测试集建立炭屑与炭屑近似物的区分阈值，符合其中一项指标则计1分，
七参数共7分。图2展示了炭屑七参数得分往往高于5，炭屑近似物七参数得分往往低于4。
31.另一方面，考虑辅助计算浓度的颗粒物的统计，目前人工目视统计下多采用石松孢子辅助计算浓度，石松孢子为棕黄色有特殊纹理的近三角形颗粒（图1a），其优势在于特征明显便于人工统计，但其图像特征复杂，不利于计算机自动统计。因此，考虑采用黑色微球替代石松孢子，其特征为纯黑色圆球（图1b），其图像特征简单利于自动统计。
32.进一步地，黑色微球也是纯黑色的，这与炭屑的颜色特征类似，因此，上一步的七参数法在区分出炭屑近似物后，会同时留下炭屑与黑色微球，需要思考进一步的自动区分方法。实现黑色微球自动统计的关键在于其圆形特征，黑色微球是接近正圆形的，而炭屑则形状不规则，这在计算机中可以用圆度（计算公式：4π
×
a/p 2
，式中，a表示颗粒面积，p表示颗粒周长，计算结果在0-1之间，值越大形状越圆）描述。如图3所示，炭屑圆度低，黑色微球圆度高，二者区分明显。
33.实施例1一、炭屑实验提取：
⑴
沉积采样：根据研究需求获得炭屑沉积样品；
⑵
样品自然风干后，称取10 g，每个样品中加入1ml黑色微球溶液；
⑶
加入10 %的稀盐酸去除样品中碳酸盐物质，确保充分反应，换水洗至中性，用水浴坩埚将样品蒸干；
⑷
加入40 %的氢氟酸去除样品中硅酸盐物质，反应彻底之后再次清洗样品至中性；
⑸
先后使用125目筛网和8~10 μm的筛布及超声波清洗去除大颗粒物质及微细颗粒或粘粒径的杂质，再浮选提取样品中的炭屑于试管中，离心去除浮液；
⑹
加入10 %的稀盐酸10~20 ml，蒸煮30~40 min去除杂质，采用离心的方法清洗样品至中性，收集样品于小指管。
34.二、数字图像获取：
⑴
将样品制成用于炭屑自动统计的显微玻片固定片，可选择使用无影胶、甘油胶等封片剂，结果如图5a；
⑵
使用玻片扫描仪将玻片扫描数字图像，比如，本实施例使用的是蔡司axio scan z1全自动数字玻片扫描仪。
35.结果如图5b、5c，图5b展示了玻片扫描仪的工作情形，图5c展示了图像扫描效果。
36.三、统计规则的建立：使用图像处理软件完成统计规则的建立，比如，本实施例使用imagej，这是一种被广泛使用的开源免费图像处理软件。
37.⑴
随机选择一定样本为训练集和测试集。比如，本实施例有样品1~100号，选取10、30、50、70、90号样为训练集，20、40、60、80、100号样为测试集，对这10个样品的玻片图像随机截取其中1小块区域（所截取区域炭屑颗粒100粒以上，以达到统计要求）；
⑵
在训练集中标定炭屑、炭屑近似物、黑色微球的样本；
⑶
计算样本像元灰度值、颗粒灰度值七参数，颗粒圆度等统计指标，其中，颗粒灰度值七参数包括平均数、中位数、众数、标准差、平均数中位数众数和、平均数减中位数、众数减中位数；
⑷
判断上述统计指标对炭屑、炭屑近似物、黑色微球的区分效果，根据最小误差确定自动统计标准。
38.实验表明：炭屑、炭屑近似物、黑色微球的灰度值都较低，可首先使用灰度值将这三者与其他物质区分开（本实施例给出的参考标准为，在0-255的灰度区间中，灰度值低于150）；炭屑及黑色微球与炭屑近似物的区别主要是炭屑和黑色微球接近纯黑色，炭屑近似物的颜色变化较大，因此可用灰度值七参数区分（本实施例给出的参考标准为：平均数小于57，标准差小于14，众数小于46，中位数小于55，平均数减中位数大于0，众数减中位数小于0，平均数加中位数加众数小于155，符合这些标准5条及以上的是炭屑和黑色微球，否则是炭屑近似物（图2）；炭屑与黑色微球的区别在于炭屑的性质是有棱角的，而黑色微球是球形的，因此可以用圆度加以区分（本实施例给出的参考标准为：圆度低于0.92是炭屑，否则是黑色微球）；
⑸
将获得的自动统计标准在测试集进行测试，检验自动统计效果，若在测试集上达到统计精度要求，可进行自动统计；若未达到统计精度要求，则返回步骤
⑴
中，分析样本标定的代表性。在本实施例中，自动统计效果如图6所示，其中自动统计方法的结果与3个统计员人工统计的结果，在炭屑颗粒数和面积上都体现出一致性，说明本发明方法具有可靠性。
39.四、炭屑自动统计：
⑴
灰度阈值分割：将图像由rgb转换为灰度，并保留灰度值为150以下的像素进行下一步处理，这一步将炭屑、炭屑近似物、黑色微球从玻片背景中分离出来，结果如图5d、5e；
⑵
降噪：将阈值分割的结果在imagej中进行细碎颗粒去除处理，本实施例中去除了粒径小于5微米的颗粒，结果如图5f；
⑶
矢量图生成：利用imagej颗粒分析工具，将以像素为单位的栅格图像转换为以颗粒为单位的矢量图像；
⑷
参数分析：通过imagej计算统计所需的光谱和形状参数，包括用于自动统计的颗粒灰度值七参数（平均数、中位数、众数、标准差、平均数中位数众数和、平均数减中位数、众数减中位数），圆度，和炭屑研究需要的统计指标如颗粒数、长轴长度、短轴长度、面积、周长等，结果如图5g，计算机自动统计并输出了每一个颗粒物的上述统计信息；
⑸
七参数阈值分割：根据上文所建立的区分标准（平均数小于57，标准差小于14，众数小于46，中位数小于55，平均数减中位数大于0，众数减中位数小于0，平均数加中位数加众数小于155），分离出炭屑近似物，得到炭屑与黑色微球；
⑹
小粒径对象去除：去除粒径小于10μm的颗粒，因为在孢粉流程法的实验过程中，会采用10 μm筛布对样品进行筛分以去除杂质，此外，无论对电脑还是人眼，小于10 μm的颗粒更难以识别和判断；
⑺
圆度分割：以圆度0.92进行划分，小于此的是炭屑，大于此的是黑色微球，得到炭屑自动统计结果。
40.需要说明的是，上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情
况下，还可以做出替换或变形，这都应涵盖在本发明的保护范围之内。