本发明涉及生物医学成像，特别是一种基于图像特征分析的细菌显微图像识别方法。
背景技术：
1、近年来，随着生物医学成像技术和计算机视觉技术的飞速发展，基于图像特征分析的微生物识别技术已成为微生物学研究的重要手段之一。传统的微生物识别主要依赖于人工观察和培养，这一过程不仅耗时费力，而且容易受到主观因素的影响，导致识别效率和准确性难以保证。
2、尽管基于图像特征分析的微生物识别技术取得了显著进展，但仍存在一些挑战和不足之处。首先，由于微生物细胞体积小、结构复杂，传统的显微成像技术难以获得高分辨率的图像，这直接影响到特征提取的效果。其次，在图像预处理阶段，大多数方法仅依赖简单的图像增强技术，如直方图均衡化、滤波等，对于复杂的背景噪声和低对比度问题处理不够充分，导致特征提取的准确性降低。
技术实现思路
1、鉴于上述现有存在的问题，提出了本发明。
2、因此，本发明提供了一种基于图像特征分析的细菌显微图像识别方法解决低分辨率显微图像中细菌特征提取不精确及分类准确率低的问题。
3、为解决上述技术问题，本发明提供如下技术方案：
4、第一方面，本发明实施例提供了一种基于图像特征分析的细菌显微图像识别方法，其包括，采集细菌显微图像并进行预处理；利用自适应超分辨率重建技术对预处理后的图像进行重建，得到重建后的高分辨率显微图像；从重建后的高分辨率显微图像中提取多尺度特征，形成特征图；采用图像分割技术，从特征图中分割出单个细菌实例，得到分割后的菌落图；基于分割后的菌落图构建菌落关系模型，输出每个细菌的分类结果；对每个细菌的分类结果进行后处理，并与标准数据库进行比较，输出细菌分类报告。
5、作为本发明所述基于图像特征分析的细菌显微图像识别方法的一种优选方案，其中：所述采集细菌显微图像并进行预处理包括以下步骤：
6、使用高分辨率显微镜采集含有细菌样本的图像；对于采集到的rgb彩色图像，将其转换成灰度图像；使用直方图均衡化方法来调整图像的亮度分布，增强图像的对比度；采用自适应中值滤波器，去除图像中的噪声。
7、作为本发明所述基于图像特征分析的细菌显微图像识别方法的一种优选方案，其中：利用自适应超分辨率重建技术对预处理后的图像进行重建，得到重建后的高分辨率显微图像包括以下步骤：
8、将预处理后的低分辨率图像裁剪成固定大小的块；对于每一张裁剪的低分辨率图像块，使用双三次插值法进行上采样，得到真实的高分辨率图像块，作为对应的高分辨率图像目标；将低分辨率图像和高分辨率图像块存储在数据集中，并记录每个图像块的路径；构建生成对抗网络，通过生成器将低分辨率图像块上采样，生成高分辨率图像块，并使用反卷积层增加图像尺寸；使用判别器对生成的高分辨率图像与真实的高分辨率图像进行判别，输出一个概率值，判断输入图像的真实性。
9、作为本发明所述基于图像特征分析的细菌显微图像识别方法的一种优选方案，其中：从重建后的高分辨率显微图像中提取多尺度特征，形成特征图包括以下步骤：
10、构建一系列不同尺度的卷积层；应用卷积层中的卷积核到输入重建后的显微图像上，产生特征图；对于每一对相邻的特征图，使用双线性插值法将上一个特征图下采样到与下一个特征图相同的分辨率，并使用最大池化法将下一个特征图上采样到与上一个特征图相同的分辨率；将同一分辨率的特征图通过横向连接合并在一起，并为每个特征图计算权重；通过加权求和所有层的特征图获得最终的多尺度特征图。
11、作为本发明所述基于图像特征分析的细菌显微图像识别方法的一种优选方案，其中：采用图像分割技术，从特征图中分割出单个细菌实例，得到分割后的菌落图包括以下步骤：
12、构建u-net模型，将包含多尺度特征的特征图输入到模型中，生成分割掩膜；对于分割掩膜，通过连通组件分析并提取出单个细菌实例；对每个分割出的细菌实例进行标记，计算每个细菌实例的质心位置和平均直径，并提取出每个细菌实例的轮廓；将每个细菌实例的信息整理成一个节点列表，将所有细菌实例对应的节点收集起来形成节点集合；对于每一对细菌实例，计算它们中心之间的欧几里得距离；如果两个细菌实例之间的距离小于细菌实例间的最大允许距离，则在这两个节点间建立一条边；根据细菌实例之间的距离和位置关系定义边集合；将节点集合和边集合组合成菌落图。
13、作为本发明所述基于图像特征分析的细菌显微图像识别方法的一种优选方案，其中：基于分割后的菌落图构建菌落关系模型，输出每个细菌的分类结果包括以下步骤：
14、为每个节点初始化为特征向量；
15、定义gcn层聚合节点的邻居信息，并更新节点的表示，表达式为：
16、；
17、其中，为第k层gcn层后第i个节点的表示，为第i个节点的邻居集合，为第k层的权重矩阵，为第k层的偏置向量，σ（·）为激活函数，为防止分母为零的小常数，为第i个节点的上下文向量，为第m个节点在第k-1层的表示向量，表示第j个节点在第k-1层的表示向量；
18、利用更新后的节点表示进行分类任务，输出每个节点的分类结果，表达式为：
19、；
20、其中，为第i个节点预测为某个特定类别的概率，为分类器的权重向量，表示分类器的权重向量的转置，为分类器的偏置标量，为第l层gcn层后第i个节点的表示，为第l层gcn层后第j个节点的表示，为节点集合v的大小。
21、作为本发明所述基于图像特征分析的细菌显微图像识别方法的一种优选方案，其中：对每个细菌的分类结果进行后处理包括以下步骤：
22、定义一个用来衡量节点孤立程度的函数计算每个节点的孤立程度，表达式为：
23、；
24、其中，为第i个节点的孤立程度函数，为第i个和第j个节点中心之间的欧几里得距离，τ为距离衰减系数；
25、对于每个节点中的细菌实例，通过计算每个细菌实例边界框的偏差程度，检查边界框是否正确，表达式为：
26、；
27、其中，为第i个节点中的细菌实例边界框的偏差程度函数，为第i个节点中的细菌实例的横坐标，为第i个节点中的细菌实例的纵坐标，为第i个节点中的细菌实例中心位置在横纵坐标上的偏差，为第i个节点中的细菌实例中心位置在横纵坐标上的偏差，为第i个节点中的细菌实例的半径。
28、作为本发明所述基于图像特征分析的细菌显微图像识别方法的一种优选方案，其中：将后处理后的分类结果与标准数据库进行比较，输出细菌分类报告包括以下步骤：
29、定义总体识别准确率函数计算总体识别准确率，表达式为：
30、；
31、其中，为总体识别准确率函数，为第i个节点的实际类别，为pi与li相匹配的指示函数；
32、汇总每个细菌实例的分类结果，形成一个表格；构建菌落关系图，展示每个细菌实例的位置、尺寸及它们之间的相互关系；输出包含每个细菌的分类结果、菌落关系图以及识别准确率统计在内的最终细菌分类报告。
33、第二方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的基于图像特征分析的细菌显微图像识别方法的任一步骤。
34、第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的基于图像特征分析的细菌显微图像识别方法的任一步骤。
35、本发明有益效果为：通过预处理提高图像质量，利用自适应超分辨率重建技术提升图像分辨率，进而提取多尺度特征并实现精确分割。采用图卷积神经网络进行分类，输出每个细菌的分类结果，并与标准数据库比较，形成最终细菌分类报告。整个流程提高了图像质量，显著提升了细菌分类的准确性和可靠性，极大促进了细菌鉴定工作的效率与精确度。
1.一种基于图像特征分析的细菌显微图像识别方法，其特征在于：包括，
2.如权利要求1所述的基于图像特征分析的细菌显微图像识别方法，其特征在于：所述采集细菌显微图像并进行预处理包括以下步骤：
3.如权利要求1所述的基于图像特征分析的细菌显微图像识别方法，其特征在于：利用自适应超分辨率重建技术对预处理后的图像进行重建，得到重建后的高分辨率显微图像包括以下步骤：
4.如权利要求3所述的基于图像特征分析的细菌显微图像识别方法，其特征在于：从重建后的高分辨率显微图像中提取多尺度特征，形成特征图包括以下步骤：
5.如权利要求4所述的基于图像特征分析的细菌显微图像识别方法，其特征在于：采用图像分割技术，从特征图中分割出单个细菌实例，得到分割后的菌落图包括以下步骤：
6.如权利要求5所述的基于图像特征分析的细菌显微图像识别方法，其特征在于：基于分割后的菌落图构建菌落关系模型，输出每个细菌的分类结果包括以下步骤：
7.如权利要求6所述的基于图像特征分析的细菌显微图像识别方法，其特征在于：对每个细菌的分类结果进行后处理包括以下步骤：
8.如权利要求7所述的基于图像特征分析的细菌显微图像识别方法，其特征在于：将后处理后的分类结果与标准数据库进行比较，输出细菌分类报告包括以下步骤：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1~7任一所述的基于图像特征分析的细菌显微图像识别方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1~7任一所述的基于图像特征分析的细菌显微图像识别方法的步骤。
