一种光学显微镜图像特征区域识别与分割方法

本发明提供一种光学显微图像特征区域识别与分割方法，属于机器学习领域。该方法包括：基于光学显微镜成像获取具有典型特征区域的金属试样断口图像；基于局部阈值算法计算选定区域的典型特征灰度分布阈值；对图像进行二值化分割和形态学闭运算处理；绘制特征区域分割结果；对图像及其分割数据进行离线扩充，形成训练数据集和测试数据集；构建基于U‑net的深度学习语义分割模型；利用训练好的模型对待检测的光学显微图像进行特征区域识别与分割。本发明结合了图像处理和机器学习技术，原理简单，预测精度高，且实现过程不受显微图像外部扫描参量差异影响，对被检测图像要求相对较低，实际工程应用方便。