基于深度学习的柔性颗粒形变检测方法及系统

本发明公开了一种基于深度学习的柔性颗粒形变检测方法及系统，适用于冷冻电子显微镜(Cryo‑EM)图像中二维颗粒的分类；针对Cryo‑EM图像中信噪比低、颗粒形变复杂等问题，通过Topaz、低通滤波和非局部均值滤波等方法对原始图像进行降噪处理，提升结构可分辨性；然后，利用二值化与连通区域检测检测获取颗粒轮廓，并生成对应的二维点云表达；为实现高效配准，提出KMP启发式点云匹配算法，有效建立颗粒点云与模板点云之间的对应关系；在匹配基础上，通过多轮位移预测模拟颗粒的连续形变轨迹，实现形变值的检测，并剔除形变颗粒达到分类效果。本发明在提升点云匹配效率的同时，提高了柔性结构建模的精度与鲁棒性，适用于高噪声条件下的颗粒结构分析任务。