论文部分内容阅读
目的:(1)利用药材横切面显微图像的灰度信息,构建灰度匹配模板,实现与尺度及方位无关的中药材样品图像的自动识别。(2)对药材的性状特征进行客观定量的描述,并通过人工神经网络实现中药种类的鉴别,为中药鉴定智能化研究提供参考依据。方法:(1)随机抽取药材样本用聚乙二醇假包埋法制片,结合显微摄像技术采集药材横切面显微图像。利用图像处理技术,将拍摄得到的视野图拼接融合为显微横切面完整图。对显微拼接图进行脱帽变换、形态学开闭运算、填充等操作得到二值图。在二值掩模图中获取边界点位置,同时基于药材显微组织特征的向心性确定中心点坐标,建立极坐标系。从角向及径向划分网格,提取网格中灰度均值信息,创建原始模板。以70%的样本进行模板训练,15%的样本进行模板验证,15%的样本进行模板测试。模板训练时,将训练样的灰度均值信息在原始模板数字矩阵中扫描匹配得到最佳位置,在该位置上对原始模板进行灰度均值的重新计算。(2)随机抽取药材样本80根,取药材中段,两切面平整,置于白色A4纸上,拍照。对采集的药材横切面图像,利用颜色分量进行目标的分割提取。将分割的彩色图转为灰度图,同(1)中的方法建立极坐标系,划分网格,提取药材横切面整体的灰度均值信息,以此作为构建模板的依据。按(1)中方法的对模板进行训练、验证及测试。(3)随机抽取药材样本60根,同(2)中的方法采集药材横切面图并进行分割提取。对分割的宏观横切面图提取矩形度、离心率、直径、长短轴之比等几何形状特征,在HSV及LAB颜色空间模型下,求得各颜色分量的平均值。将特征量输入BP神经网络进行模式识别,对药材实现分类识别。(4)随机抽取药材样本60根,取药材中段水平置于白色A4纸,拍照采集药材侧面样品图。根据颜色分量差异将目标分割提取,基于最大外接矩逐步剔除背景像素,得到最大内接矩。用灰度共生矩阵法提取药材侧面纹理特征,结合HSV及LAB颜色空间下颜色分量特征值,用BP神经网络进行模式识别实现药材的鉴别。结果:(1)利用灰度模板匹配法对药材显微图像的识别,单模板测试及模板集测试识别率分别为90.1%、92.5%。识别精度较好。(2)利用灰度模板匹配法对药材横切面图像进行识别,单模板及模板集测试识别率分别为92.5%、86.9%。(3)基于药材横切面颜色、形状特征的BP神经网络模式识别,识别率为90.8%;基于药材侧面纹理、颜色特征的BP神经网络模式识别,识别率为98.6%结论:本文应用图像处理技术对中药材灰度、形状、彩色与纹理特征进行提取,对药材的显微鉴别特征及外观性状特征进行客观定量的描述,从而实现了药材种类的鉴别,克服了传统鉴别方法的不足,为中药材形态学质量控制的数字化提供了技术支持。