摘要
本发明公开了一种利用组合图像进行微生物计数的方法及装置,涉及微生物计数技术领域,包括,使用卷积神经网络模型提取预处理后的显微图像的核心特征点,并计算核心特征点之间的相似度,得到包含拼接位置的微生物显微图像。利用自适应拼接算法对微生物显微图像进行拼接,识别并校正出现的误差,得到拼接后的全景图像。将拼接后的全景图像输入至图割算法中,构建全景图像的能量函数,利用最小割算法找出能量最低的分割路径,生成微生物区域的全景图像。本发明大大提升了相邻图像之间的匹配精度和几何变换的稳定性,而广度优先搜索算法和最小割算法的利用提高了图像分割的分割精度,避免了图像错位和重叠不一致的情况。
技术关键词
卷积神经网络模型
拼接算法
微生物计数技术
拼接误差
广度优先搜索算法
特征点描述符
像素
核心
输出特征
报告
图像采集模块
深度学习模型
特征提取模块
颜色校正
标识符
分割算法
系统为您推荐了相关专利信息
故障识别方法
信噪比数据
故障识别系统
档位
深度卷积神经网络模型
六氟化硫气体压力
数据在线监测系统
视觉识别传感器
六氟化硫密度继电器
表盘
卷积神经网络模型
面向动态网络
ReLU函数
持续学习方法
样本
卷积神经网络提取
卷积神经网络模型
特征点
图像分割技术
深度学习模型