CN103065283B - 一种密集固体核径迹的粘连分离方法 - Google Patents

一种密集固体核径迹的粘连分离方法 Download PDF

Info

Publication number
CN103065283B
CN103065283B CN201210584294.8A CN201210584294A CN103065283B CN 103065283 B CN103065283 B CN 103065283B CN 201210584294 A CN201210584294 A CN 201210584294A CN 103065283 B CN103065283 B CN 103065283B
Authority
CN
China
Prior art keywords
track
hole
profile
image
connected region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201210584294.8A
Other languages
English (en)
Other versions
CN103065283A (zh
Inventor
范勇
巫玲
王利
陈念年
张劲峰
杨程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University of Science and Technology
Original Assignee
Southwest University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN201210584294.8A priority Critical patent/CN103065283B/zh
Publication of CN103065283A publication Critical patent/CN103065283A/zh
Application granted granted Critical
Publication of CN103065283B publication Critical patent/CN103065283B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种密集固体核径迹的粘连分离算法，包括以下步骤：（1）图像对比度增强；（2）扩展极大值分割；（3）面积比例粘连分离：（4）特殊粘连分离。本发明的算法能有效解决径迹图像中的噪声及非径迹杂质的去除、颗粒度差异大的径迹的处理、粘连严重、内部灰度不均匀的径迹的准确分离问题，同时能提升粘连分离速度。

Description

一种密集固体核径迹的粘连分离方法
技术领域
本发明属于图像处理技术领域，主要涉及一种密集固体核径迹显微图像粘连分离算法，其设计利用数学形态学方法，首先进行对比度增强以处理浅灰色小径迹，再进行分割以获取径迹的基础轮廓及去除非径迹杂质，最后进行粘连分离以获取单个径迹的准确轮廓。
背景技术
高能带电粒子进入固体材料时，沿其轨迹会留下纳米量级的辐射损伤，经过蚀刻处理后可以形成能用显微镜观测的固体核径迹。通过测量径迹的数目、大小、形状和深度可以确定带电粒子的种类、能谱和产额。径迹片上产生的径迹数以万计，直径从几微米到几十微米，人眼借助显微镜进行判读和统计极其不便。目前主要采用高精度显微镜系统对径迹进行数字拍照，然后对获得图像进行分析和处理，即可获得径迹参数的统计信息。
目前国内外已出现一些固体核径迹处理算法及自动测量系统，获得径迹图像后，或对图像进行预处理、二值化、粘连分离等一系列分析处理，或在分析处理图像后测量径迹的参数信息。分析处理中核心问题即粘连分离，分离的结果及时间效率将严重影响参数测量精度和系统的性能。D.L.Patiris等的TRIAC和TRIACII，采用K-means方法分割图像，再用hough变换进行圆检测，运算量极大，易出现漏检和误检。邓福威、弟宇鸣、叶红兵等采用Otsu二值化径迹图像，根据腐蚀或距离变换的结果寻找分离点，分离粘连径迹，易出现漏检，不能良好保持径迹的原始形状。张庆贤等的TractTest软件，采用腐蚀膨胀法分离粘连径迹，对密集径迹进行粘连分离易出现漏检，参数测量不够精确。F.Coppola等用Labview语言编写的软件TRANA，可区分径迹和表面划痕及其他杂质，分离、检测部分重叠的径迹群，能测量核径迹的中心、半径、面积等几何特征和亮度，但该方法只能分离两种中心较接近的重叠径迹。
固体核径迹经蚀刻后的基本参数可以用简单的几何结构图说明，如图1所示，粒子以θ角入射于探测器表面S，蚀刻后探测器表面变为S’，径迹呈圆锥形坑，径迹深度为H，表面开口轮廓为椭圆形，长短轴分别为Mi和Mj。
固体核径迹显微图像具有如下特点：
（1）粒子密度高。如在20倍放大显微镜下，当图像分辨率为344nm/像素时，1cm2的径迹片的图像大小达1.72 GB，径迹个数约2*105个。
（2）径迹粘连严重。由于粒子密度高、随机性强等原因，径迹粘连严重。
（3）径迹颗粒度差异大。径迹近似椭圆形，其半径可从1μm到20μm。
（4）径迹内部灰度不均匀。径迹及其中心孔洞的灰度分布不均匀。
（5）存在非径迹杂质。径迹图像存在气泡、划痕及其他非径迹杂质。
本文针对目前固体核径迹粘连分离算法存在的问题及固体核径迹显微图像的特点，基于数学形态学方法，提出了一种密集的固体核径迹显微图像粘连分离算法。
发明内容
本发明所要解决的技术问题是针对现有技术的不足提供一种密集固体核径 迹的粘连分离算法。
本发明的技术方案如下：
一种密集固体核径迹的粘连分离算法，包括以下步骤：
（1）图像对比度增强：对整幅图像归一化并扩展到0-255范围，在不引入噪声的情况下，增强浅灰色小径迹与背景的灰度对比度；
（2）扩展极大值分割：
增强图像的对比度后，采用扩展极大值分割法对图像进行测地重建，对重建结果图进行H极大值变换，对变换结果进行区域极大值变换，再二值化径迹图像，获取初始的径迹连通区域；并结合形状因子和面积的阈值，去除非径迹杂质；
（3）面积比例粘连分离：
对于分割结果图像内部中心有孔洞的初始径迹连通区域，采用形态学方法迭代膨胀初始连通区域的每一孔洞，当孔洞与其对应的原始径迹基本重合时，停止膨胀，对孔洞轮廓进行椭圆拟合，此时孔洞的轮廓即可作为原始径迹的轮廓；对每个孔洞进行同样处理，即可得到粘连径迹中单个径迹的轮廓，从而分离粘连径迹；
（4）特殊粘连分离。
所述的粘连分离算法，所述粘连分离算法具体步骤为：①先降低整幅固体核径迹图像F1的灰度，得到图像F2，将F2归一化到0-1范围内，再乘以255，得到图像F3；
②对增强图像F3采用扩展极大值分割算法将图像二值化，获取初始的径迹连通区域轮廓，计算连通区域的形状因子PE，如式（1）；
PE=4πA/C2（1）
其中，A是轮廓所在连通域的面积，C是轮廓所在连通域的周长；
③为形状因子PE和面积A分别设置阈值T1和T2，若PE大于T1且A大于T2，则连通区域为径迹，否则，连通区域为非径迹的杂质，去除非径迹的杂质，得到分割图像F4；
④对分割图像F4内部具有孔洞的每个初始连通区域Oi，填充孔洞得到填充图，提取其中一个孔洞Hi得到孔洞图； 
⑤计算孔洞的面积Area(Hi)，对孔洞图与填充图求交集，计算交集的面积Area(Hi∩Oi)；
⑥判断孔洞与交集的面积之比Area(Hi)/ Area(Hi∩Oi)是否大于1，若不大于1，则孔洞比其对应的径迹小，对孔洞进行一次膨胀，返回⑤；否则，膨胀结束，提取孔洞轮廓，对轮廓进行椭圆拟合，即得到单个径迹的轮廓；
⑦采用④-⑥的顺序对分割图像F4内部具有孔洞的所有初始连通区域进行处理，即可得到所有图像内部具有孔洞的径迹的轮廓；
⑧对于图像边缘处的初始径迹连通区域，提取其初始径迹连通区域后，补充不完整孔洞缺口，以边缘为对称轴，对连通区域进行对称贴补，填充贴补后径迹目标的真实孔洞；
⑨对对称贴补并填充孔洞后的图进行城市街区距离变换，以孔洞核心处的距离值为形态学结构元素的大小，膨胀孔洞，提取孔洞轮廓并进行椭圆拟合，即可得到单个径迹的轮廓，从而分离粘连径迹；
⑩对图像内部的单个无孔洞径迹，用3*3的模板对其轮廓进行高斯平滑处理，然后将平滑后的结果作为单个径迹的轮廓。
本发明的算法能有效解决径迹图像中的噪声及非径迹杂质的去除、颗粒度差异大的径迹的处理、粘连严重、内部灰度不均匀的径迹的准确分离问题，同时能 提升粘连分离速度。
由于径迹片化学蚀刻条件和显微镜采集径迹图像质量的异同，导致径迹图像有一定差异。在图像处理中，对比度增强中灰度的降低值可以修改，扩展极大值分割和去除杂质径迹的阈值可根据具体情况进行设置，面积比例分离膨胀过程的结构元素可选择不同的形状和尺寸，高斯模板可选择不同的尺寸，以及在进行距离变换时可采用其他距离变换，如非欧氏距离常用的棋盘距离、倒角距离等。
附图说明
图1为蚀刻径迹几何结构简图，a为垂直剖面图，b为表面开口轮廓图；
图2为密集固体核径迹粘连分离算法过程图；
图3为实验效果图，(a)固体核径迹原图，(b)扩展极大值分割并去杂后的图像，(c)粘连分离后轮廓图；
具体实施方式
以下结合具体实施例，对本发明进行详细说明。
针对固体核径迹图像中亟待解决的问题，提出了一种密集固体核径迹的粘连分离方法。该方法先对径迹显微图像进行对比度增强；再采用扩展极大值分割法分割图像，获取初始径迹目标；然后采用数学形态学及面积比例方法分离图像内部的粘连径迹；并对边缘处的径迹及无孔洞的单个径迹进行特殊的粘连分离。算法过程图如图2所示。
（1）图像对比度增强
图像中径迹颗粒度差异较大，径迹大多呈灰黑色，而一些小的径迹呈浅灰色，与背景杂质灰度接近，故采用一种简单快速的图像增强方法，降低整幅径迹显微图像的灰度，对整幅图像归一化并扩展到0-255范围，在不引入噪声的情况下，增强浅灰色小径迹与背景的灰度对比度。
（2）扩展极大值分割
增强图像的对比度后，采用扩展极大值分割法对图像进行测地重建，对重建结果图进行H极大值变换，对变换结果进行区域极大值变换，再二值化径迹图像，获取初始的径迹连通区域；并结合形状因子和面积的阈值，去除非径迹杂质。
（3）面积比例粘连分离（对应具体步骤的④～⑦）
对于分割结果图像内部中心有孔洞的初始径迹连通区域，采用形态学方法迭代膨胀初始连通区域的每一孔洞，当孔洞与其对应的原始径迹基本重合时，停止膨胀，对孔洞轮廓进行椭圆拟合，此时孔洞的轮廓即可作为原始径迹的轮廓；对每个孔洞进行同样处理，即可得到粘连径迹中单个径迹的轮廓，从而分离粘连径迹。
（4）特殊粘连分离（对应具体步骤的⑧～⑩）
4.1单个无孔洞径迹的粘连分离
对于分割结果图像内部无孔洞的单个径迹，其本身不存在粘连，但其轮廓常呈锯齿状，故对提取的径迹轮廓进行高斯平滑处理，将平滑后的结果作为单个径迹的轮廓。
4.2图像边缘处径迹的粘连分离
在图像边缘处，径迹有5种情况：径迹存在粘连，径迹基本完整，孔洞完整；径迹存在粘连，径迹被切分，孔洞完整；径迹不存在粘连，径迹被切分，孔洞完整；径迹不存在粘连，径迹和孔洞都被切分，孔洞不完整；径迹不存在粘连，径迹被切分，余留小部分径迹，无孔洞。需采用补充缺口、对称贴补、距离变换、 形态学膨胀等方法分离边缘处的径迹。
具体步骤如下：
①先降低整幅固体核径迹图像F1的灰度，得到图像F2，将F2归一化到0-1范围内，再乘以255，得到图像F3。
②对增强图像F3采用扩展极大值分割算法将图像二值化，获取初始的径迹连通区域轮廓，计算连通区域的形状因子PE，如式（1）。
PE=4πA/C2（1）
其中，A是轮廓所在连通域的面积，C是轮廓所在连通域的周长。
③为形状因子PE和面积A分别设置阈值T1（取值范围在0~1之间）和T2，若PE大于T1且A大于T2，则连通区域为径迹，否则，连通区域为非径迹的杂质，去除非径迹的杂质，得到分割图像F4。
④对分割图像F4内部具有孔洞的每个初始连通区域Oi，填充孔洞得到填充图，提取其中一个孔洞Hi得到孔洞图。 
⑤计算孔洞的面积Area(Hi)，对孔洞图与填充图求交集，计算交集的面积Area(Hi∩Oi)。
⑥判断孔洞与交集的面积之比Area(Hi)/ Area(Hi∩Oi)是否大于1，若不大于1，则孔洞比其对应的径迹小，对孔洞进行一次膨胀，返回⑤；否则，膨胀结束，提取孔洞轮廓，对轮廓进行椭圆拟合，即得到单个径迹的轮廓。
⑦采用④-⑥的顺序对分割图像F4内部具有孔洞的所有初始连通区域进行处理，即可得到所有图像内部具有孔洞的径迹的轮廓。
⑧对于图像边缘处的初始径迹连通区域，提取其初始径迹连通区域后，补充不完整孔洞缺口，以边缘为对称轴，对连通区域进行对称贴补，填充贴补后径迹目标的真实孔洞。
⑨对对称贴补并填充孔洞后的图进行城市街区距离变换，以孔洞核心处的距离值为形态学结构元素的大小，膨胀孔洞，提取孔洞轮廓并进行椭圆拟合，即可得到单个径迹的轮廓，从而分离粘连径迹。
⑩对图像内部的单个无孔洞径迹，用3*3的模板对其轮廓进行高斯平滑处理，然后将平滑后的结果作为单个径迹的轮廓。
采用如上算法流程，其实验结果如图3所示。
（1）在对比度增强时，需降低图像整体灰度，建议降低值为100左右，该值与具体径迹图像的平均灰度有关。
（2）在面积比例粘连分离时，膨胀操作使用的结构元素越大，分离得到的轮廓越不能贴合真实轮廓，因此，建议结构元素取直径为2或4的圆形。
（3）在对图像边缘处的径迹进行粘连分离时，需补充不完整孔洞缺口，如果补充线过粗，会使径迹孔洞过小而不能进行椭圆拟合，因此，建议补充线粗为1像素。
（4）在实验中，H极大值变换中的H值、形状因子阈值Τ1和面积Τ2分别取为70、0.28和95。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (1)

1.一种密集固体核径迹的粘连分离方法，其特征在于，包括以下步骤：(1)图像对比度增强：对整幅图像归一化并扩展到0-255范围，在不引入噪声的情况下，增强浅灰色小径迹与背景的灰度对比度；具体方法为：先降低整幅固体核径迹图像F1的灰度，得到图像F2，将F2归一化到0-1范围内，再乘以255，得到图像F3；
(2)扩展极大值分割：
增强图像的对比度后，采用扩展极大值分割法对图像进行测地重建，对重建结果图进行H极大值变换，对变换结果进行区域极大值变换，再二值化径迹图像，获取初始的径迹连通区域；并结合形状因子和面积的阈值，去除非径迹杂质；具体方法为：
A21、对增强图像F3采用扩展极大值分割算法将图像二值化，获取初始的径迹连通区域轮廓，计算连通区域的形状因子PE，如式(1)；
PE＝4πA/C2   (1)
其中，A是轮廓所在连通域的面积，C是轮廓所在连通域的周长；
A22、为形状因子PE和面积A分别设置阈值T1和T2，若PE大于T1且A大于T2，则连通区域为径迹，否则，连通区域为非径迹的杂质，去除非径迹的杂质，得到分割图像F4；
(3)面积比例粘连分离：
对于分割结果图像内部中心有孔洞的初始径迹连通区域，采用形态学方法迭代膨胀初始连通区域的每一孔洞，当孔洞与其对应的原始径迹基本重合时，停止膨胀，对孔洞轮廓进行椭圆拟合，此时孔洞的轮廓即可作为原始径迹的轮廓；对每个孔洞进行同样处理，即可得到粘连径迹中单个径迹的轮廓，从而分离粘连径迹；具体方法为：
A31、对分割图像F4内部具有孔洞的每个初始连通区域Oi，填充孔洞得到填充图，提取其中一个孔洞Hi得到孔洞图；
A32、计算孔洞的面积Area(Hi)，对孔洞图与填充图求交集，计算交集的面积Area(Hi∩Oi)；
A33、判断孔洞与交集的面积之比Area(Hi)/Area(Hi∩Oi)是否大于1，若不大于1，则孔洞比其对应的径迹小，对孔洞进行一次膨胀，返回A32；否则，膨胀结束，提取孔洞轮廓，对轮廓进行椭圆拟合，即得到单个径迹的轮廓；
A34、采用A31-A33的顺序对分割图像F4内部具有孔洞的所有初始连通区域进行处理，即可得到所有图像内部具有孔洞的径迹的轮廓；
(4)特殊粘连分离；
A41、对于图像边缘处的初始径迹连通区域，提取其初始径迹连通区域后，补充不完整孔洞缺口，以边缘为对称轴，对连通区域进行对称贴补，填充贴补后径迹目标的真实孔洞；
A42、对对称贴补并填充孔洞后的图进行城市街区距离变换，以孔洞核心处的距离值为形态学结构元素的大小，膨胀孔洞，提取孔洞轮廓并进行椭圆拟合，即可得到单个径迹的轮廓，从而分离粘连径迹；
A43、对图像内部的单个无孔洞径迹，用3*3的模板对其轮廓进行高斯平滑处理，然后将平滑后的结果作为单个径迹的轮廓。
CN201210584294.8A 2012-12-28 2012-12-28 一种密集固体核径迹的粘连分离方法 Expired - Fee Related CN103065283B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210584294.8A CN103065283B (zh) 2012-12-28 2012-12-28 一种密集固体核径迹的粘连分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210584294.8A CN103065283B (zh) 2012-12-28 2012-12-28 一种密集固体核径迹的粘连分离方法

Publications (2)

Publication Number Publication Date
CN103065283A CN103065283A (zh) 2013-04-24
CN103065283B true CN103065283B (zh) 2015-09-09

Family

ID=48107900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210584294.8A Expired - Fee Related CN103065283B (zh) 2012-12-28 2012-12-28 一种密集固体核径迹的粘连分离方法

Country Status (1)

Country Link
CN (1) CN103065283B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI527427B (zh) * 2014-04-30 2016-03-21 虹光精密工業股份有限公司 具有影像處理功能的事務機
CN105894512B (zh) * 2016-03-31 2019-03-01 中国农业大学 一种小区玉米果穗考种中粘连玉米果穗分割方法及装置
CN106203456B (zh) * 2016-07-20 2018-01-02 西安科技大学 基于改进差分进化粒子群算法的煤尘重叠颗粒分离方法
CN111179236A (zh) * 2019-12-23 2020-05-19 湖南长天自控工程有限公司 一种用于造球机的生球粒度分析方法及装置
CN118154670B (zh) * 2024-05-10 2024-08-20 慧诺云谱(海南)科技有限公司 谷穗图像的穗部形态处理方法、装置、电子设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009128267A (ja) * 2007-11-27 2009-06-11 Toyobo Co Ltd 画像処理方法
CN101692282A (zh) * 2009-10-16 2010-04-07 浙江工业大学 一种基于形态学的细胞分离方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009128267A (ja) * 2007-11-27 2009-06-11 Toyobo Co Ltd 画像処理方法
CN101692282A (zh) * 2009-10-16 2010-04-07 浙江工业大学 一种基于形态学的细胞分离方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A New Approach to Separating Touching Spots in Particle Images;Xiangbin Liu et al;《Proceedings of 2004 International Symposium on Intelligent Multimedia. Video and Speech Processing》;20041022;133-136 *
Segmentation of Blood Images Using Morphological Operators;Cecilia Di Rubertot, et al;《Proceedings of IEEE 15th Internation Conforence on Pattern Recognition》;20000907;第3卷;397-400 *
基于流域算法的重叠核径迹图像分割方法研究;过惠平等;《核科学与工程》;20070930;第27卷(第3期);213-217 *
粘连细胞分离算法综述;张洁等;《计算机与数字工程》;20080630;第36卷(第6期);53-56 *

Also Published As

Publication number Publication date
CN103065283A (zh) 2013-04-24

Similar Documents

Publication Publication Date Title
CN103065283B (zh) 一种密集固体核径迹的粘连分离方法
Yu et al. A real-time detection approach for bridge cracks based on YOLOv4-FPM
CN102592268B (zh) 一种分割前景图像的方法
CN102044069B (zh) 一种白细胞图像分割方法
CN105160668B (zh) 图像分割方法、系统与细胞图像分割方法、系统
CN103136528B (zh) 一种基于双边缘检测的车牌识别方法
CN107256558A (zh) 一种无监督式的宫颈细胞图像自动分割方法及系统
CN109145756A (zh) 基于机器视觉和深度学习的目标检测方法
Gomez et al. Traffic lights detection and state estimation using hidden markov models
CN104361336A (zh) 一种水下视频图像的文字识别方法
CN103345748B (zh) 一种人体组织细胞双光子显微图像的定位分割方法
CN102676633A (zh) 一种菌落自动计数方法
CN202084185U (zh) 一种交通标志自动识别装置
CN107945200A (zh) 图像二值化分割方法
CN104778442A (zh) 视网膜细胞荧光显微图像的自动分割和计数方法
CN105426846A (zh) 一种基于图割模型的场景图像中文本的定位方法
CN111462140A (zh) 一种基于区块拼接的实时图像实例分割方法
CN115331102A (zh) 一种基于深度学习的遥感影像河湖岸线智能监测方法
Ok Automated extraction of buildings and roads in a graph partitioning framework
CN103065302B (zh) 一种基于离群数据挖掘的图像显著性检测方法
CN109472785B (zh) 基于多结构元素震害受损建筑物快速识别方法
CN107369162A (zh) 一种绝缘子候选目标区域的生成方法及系统
Tang et al. An elevator button recognition method combining yolov5 and ocr
Zhou et al. CRMNet: Development of a deep-learning-based anchor-free detection method for illegal building objects
CN101826207A (zh) 一种细胞显微图像感兴趣区域自动查找方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150909

Termination date: 20151228

EXPY Termination of patent right or utility model