[发明专利]一种扫描电子显微镜图像处理方法和系统

权利要求书

1.一种扫描电子显微镜图像处理方法，其特征在于，包括：

获取待处理的扫描电子显微镜图像；

采用Canny边缘检测算子对所述待处理的扫描电子显微镜图像进行边缘特征提取，得到边缘特征信息图像；

采用小波阈值去噪算法对所述待处理的扫描电子显微镜图像进行去噪处理，得到去噪图像；

采用特征融合算法将所述边缘特征信息图像和所述去噪图像进行特征融合，得到特征融合图像；

获取卷积神经网络模型；所述卷积神经网络模型的激活函数为ReLU函数；

以所述特征融合图像为所述卷积神经网络模型的输入，得到处理后的扫描电子显微镜图像。

2.根据权利要求1所述的扫描电子显微镜图像处理方法，其特征在于，所述采用Canny边缘检测算子对所述待处理的扫描电子显微镜图像进行边缘特征提取，得到边缘特征信息图像，具体包括：

采用高斯滤波算法对所述待处理的扫描电子显微镜图像进行高斯平滑处理，得到高斯平滑图像；

确定所述高斯平滑图像中像素点梯度的幅值和方向后，得到初始边缘特征信息图像；

采用非极大值抑制算法对所述初始边缘特征信息图像进行抑制处理，得到所述边缘特征信息图像。

3.根据权利要求1所述的扫描电子显微镜图像处理方法，其特征在于，所述采用小波阈值去噪算法对所述待处理的扫描电子显微镜图像进行去噪处理，得到去噪图像，具体包括：

采用所述小波阈值去噪算法中的软阈值函数去除所述待处理的扫描电子显微镜图像中的相干斑噪声，得到初始去噪图像；

采用Coif4基函数对所述初始去噪图像进行小波分解和重构，得到所述去噪图像。

4.根据权利要求1所述的扫描电子显微镜图像处理方法，其特征在于，所述采用特征融合算法将所述边缘特征信息图像和所述去噪图像进行特征融合，得到特征融合图像，具体包括：

将所述边缘特征信息图像和所述去噪图像均按照第一设定窗口划分为图像块；

按照设定选取窗口选择所述图像块，并确定所选择图像块中灰度值的欧式距离；

根据所述欧氏距离确定与所选择图像块相似的图像块，并将与所选择图像块相似的图像块按列向量排列，得到结构组；

获取组稀疏表示模型；

基于所述组稀疏表示模型采用自适应字典学习方法对所述结构组进行学习，得到每一所述结构组的自适应字典；

采用分裂Bregman迭代算法根据所述自适应字典进行特征融合，得到所述特征融合图像。

5.根据权利要求4所述的扫描电子显微镜图像处理方法，其特征在于，所述组稀疏表示模型为：

x＝D_Gα_G；

式中，x为结构组，D_G为结构组的自适应字典的合并，α_G为稀疏向量的合并。

6.根据权利要求4所述的扫描电子显微镜图像处理方法，其特征在于，所述第一设定窗口的大小为8×8；所述设定选取窗口的大小为32×32；所述结构组的大小为64×64。

7.一种扫描电子显微镜图像处理系统，其特征在于，包括：

扫描电子显微镜图像获取模块，用于获取待处理的扫描电子显微镜图像；

边缘特征信息图像确定模块，用于采用Canny边缘检测算子对所述待处理的扫描电子显微镜图像进行边缘特征提取，得到边缘特征信息图像；

去噪图像确定模块，用于采用小波阈值去噪算法对所述待处理的扫描电子显微镜图像进行去噪处理，得到去噪图像；

特征融合图像确定模块，用于采用特征融合算法将所述边缘特征信息图像和所述去噪图像进行特征融合，得到特征融合图像；

卷积神经网络模型获取模块，用于获取卷积神经网络模型；所述卷积神经网络模型的激活函数为ReLU函数；

图像处理模块，用于以所述特征融合图像为所述卷积神经网络模型的输入，得到处理后的扫描电子显微镜图像。