基于随机漫步理论的菌落自动计数算法研究

摘要

菌落研究对于微生物工业，环境研究，医药学等领域都有着举足轻重的影响，而菌落的数量，又是菌落研究的重要数据。传统的人工计数有着效率低、耗时长、客观性差的特点，随着数据量的增大，计数时间的增长，造成的肉眼疲劳也会导致计数准确率的下降。近十几年来，信息技术得到了长足的发展，计算机视觉的应用也得到了长足的进步，利用图像处理技术研发的菌落计数系统可以大大弥补上述人工计数的不足。
　　本文首先介绍了菌落计数研究的相关背景，又简单介绍了一些图像处理的基本概念与方法。提出了最近在图像处理方面有着良好表现的随机漫步理论，介绍了其简单模型及在图像分割与图像增强方面的应用。详细叙述了本文提出的算法流程，最后通过实验来检测了算法的性能。
　　本文利用了基于随机漫步的增强来进行图像预处理，再配合最大类间方差法以及数学形态学的方式对图像进行分割，达到理想分割效果，通过两种途径的控制，得以控制算法的最小识别菌落面积。最后对于粘连重叠菌落进行提取，单独利用距离变换与分水岭变换进行再分割的方式来进行分割。
　　我们实验采用的均为背景与菌落相对复杂的图像进行处理。对这些背景复杂的菌落我们的算法的准确率仍能达到95.5％，这是传统方法并不能达到的效果，而对于形式结构相对简单的菌落图像，本算法的准确率依然可以保持很高的水准，充分体现了本算法适用面广的特点。并且在本文的算法设计中，引入最小识别菌落面积的概念，也使算法更加可靠。

目录

第一个书签之前

Abstract

第一章 绪论

1.2 菌落计数研究的现状

1.3 本文主要工作内容

第二章 图像处理的算法简述

2.1 图像处理简述

2.1.2 像素间的一些基本关系

2.2 图像分割

2.2.2 图像分割方法介绍

2.3 形态学处理

2.3.2 开运算与闭运算

2.3.3 分水岭变换

2.4 本章小结

第三章 随机漫步算法简述

3.2 随机漫步模型

3.3 随机漫步算法用于图像分割

3.4 改进的随机漫步模型的图像平滑

3.5 本章小结

第四章 基于随机漫步的菌落图像处理

4.1.1 高斯平滑滤波器

4.1.2 基于改进随机漫步的图像增强

4.1.3 对于图像预处理的选择

4.2 菌落图像分割

4.2.1 菌落区域提取

4.2.2 粘连重叠菌落的处理

4.2.3 本章小结

第五章 菌落图像的自动计数分析

5.1 计数系统准确率

5.2 计数系统的最小菌落识别面积

5.3 与传统方法的比较

5.4 本章小结

第六章 总结与展望

6.1 全文工作总结

6.2 展望

参考文献

在学期间的研究成果

致 谢