[发明专利]一种古生物化石图像自动标注方法

说明书

本发明公开了一种古生物化石图像自动标注方法，包括S1、对待标注的古生物化石图像进行预处理；S2、通过目标检测模型对预处理后的古生物化石图像进行目标检测，获得带有目标检测框的图像；S3、在带有目标检测框的图像中生成古生物化石的轮廓；S4、将具有古生物化石的轮廓的图像作为ResNet网络的输入，获得具有古生物化石类型标签的输出结果，实现古生物化石图像的自动标注。通过本发明方法辅助专家对图像进行标注，节省了专家描点耗费的大量时间，提高了古生物化石标注的效率与精确度。

技术领域

本发明属于图像处理技术领域，具体涉及一种古生物化石图像自动标注方法。

背景技术

古生物图像是主要包含介型和孢粉两种类型的显微照片。通过对孢粉和介型的观察，并与现有生物进行比较，从而可以为化石生物的演化以及生物学的研究提供重要的信息。其中，最重要的是需要对古生物进行识别和命名，然而各个古生物有着非常精细的结构，并且各个古生物之间的比度较低。这些让古生物的鉴定工作变得困难，对鉴定工作者的要求较高，鉴定的结果也具有很强的主观性。因此，使用机器学习的方法进行古生物鉴定，不仅能节省大量鉴定时间，还能提高鉴定结果的准确性。

当需要对古生物图像应用机器学习的方法进行识别和鉴定的时候，需要对已有古生物图像进行标注。然而，一张图像经常包含多个古生物，古生物与背景区别不大，并且古生物类型名称众多，这些问题都将耗费标注人员大量精力，因此本发明提出自动智能的标注方法来辅助人工标注以提高标注效率。

现阶段，对于生物图像的标注都依靠相关专家手动标注，即在一张布满古生物的图像上，精确判断各个古生物的类型，然后手动将古生物框提取出来，最后将不同的古生物都打上对应的标签，这种人工标注的方式及其耗费专家的时间和精力。

发明内容

针对现有技术中的上述不足，本发明提供的古生物化石图像自动标注方法解决了图像标注效率和准确度较低的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种古生物化石图像自动标注方法，包括以下步骤：

S1、对待标注的古生物化石图像进行预处理；

S2、通过目标检测模型对预处理后的古生物化石图像进行目标检测，获得带有目标检测框的图像；

S3、在带有目标检测框的图像中生成古生物化石的轮廓；

S4、将古生物化石轮廓对应的图像部分作为ResNet网络的输入，获得具有古生物化石类型标签的输出结果，进而实现古生物化石图像自动标注。

进一步地，所述步骤S1具体为：

基于DeblurGAN的智能去模糊算法，构建具有编解码器和多尺度递归的网络结构的对古生物化石图像进行清晰度提高处理，获得预处理后的图像。

进一步地，所述步骤S2中的目标检测模型包括依次连接的特征提取网络、RPN网络及分类定位网络；

所述特征提取网络为VGGNet网络，用于对输入的预处理后的图像进行特征提取；

所述RPN网络包括输入层、3×3卷积层、锚框分类分支、边界框确定分支和回归层；

所述锚框分类分支和边界框确定分支的输入端均与所述3×3卷积层的输出端连接，其输出端均与回归层连接；

所述锚框分类分支用于基于输入图像确定包含目标的正样本锚框和包含背景的负样本锚框；所述边界确定分支用于基于输入图像计算正样本锚框及负样本锚框对应的边界框回归偏移量；所述回归层用于根据包含目标的正样本锚框及对应的边界框回归偏移量，获取目标候选区域；

所述分类定位网络用于对获取的目标候选区域进行处理，获取对应目标检测框的分类结果及位置坐标。