【摘要】 本发明提供一种基于显微图像的微生物识别系统及方法，所述系统及方法 利用计算机图像处理技术，对获取的储粮微生物显微图像进行预处理后根据储 粮微生物显微图像的目标区域动提取图像的纹理和几何形状等数理统计特 征，然后用BP神经网络进行分类识别，可准确识别粮食中的微生物。该方法 的实现还可以缩短储粮微生物的检测周期，准确地预报储粮微生物的状况，使工 作人员能够及时地采取防治措施。可以带来可观的经济和社会效益。 【专利类型】发明授权 【申请人】首都师范大学 【申请人类型】学校 【申请人地址】100037北京市西三环北路105号 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810093760.6 【申请日】2008-04-18 【申请年份】2008 【公开公告号】CN100593172C 【公开公告日】2010-03-03 【公开公告年份】2010 【授权公告号】CN100593172C 【授权公告日】2010-03-03 【授权公告年份】2010.0 【IPC分类号】G06K9/62; G06K9/00 【发明人】李晓娟 【主权项内容】1、一种基于显微图像的微生物识别方法，其特征在于，所述方法包含以 下步骤： (1)图像采集； (2)原始图像的预处理，所述预处理包括去噪、增强； (3)确定识别的目标区域，即对预处理后的图像进行基于迭代阈值和数学形 态学的边缘检测，将图像分为背景和目标两个部分进行分割： 首先通过迭代算法求得图像分割的最佳阈值，并将图像分为背景和目标两 个部分； 然后再利用轮廓提取算法，挖去微生物内部象素点，最后剩余部分图像就 是微生物的边缘，从而实现了微生物的边缘检测； (4)提取图像特征，所述图像特征包括图像的纹理和几何形状等数理统计特 征，其中图像的纹理特征包括对比度、二阶矩、像素对灰度的相关性、逆差矩、 熵，图像的几何形状特征包括周长、面积、长轴、短轴、矩形度、圆形度； 提取特征后进一步包含降低特征向量维数的步骤； (5)用BP神经网络进行分类识别，首先将提取的样本特征输入无监督学习 的聚类网络进行聚类分析，对含有多种微生物类别的再采用有监督学习的BP分 类网络细化。 【当前权利人】首都师范大学 【当前专利权人地址】北京市西三环北路105号 【专利权人类型】公立 【统一社会信用代码】121100004006874031 【引证次数】1.0 【被引证次数】1 【他引次数】1.0 【被他引次数】1.0 【家族引证次数】1.0 【家族被引证次数】10
