(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210372813.8 (22)申请日 2022.04.11 (71)申请人 成都信息工程大学 地址 610225 四川省成 都市西南 航空港经 济开发区学府路一段24 号 (72)发明人 刘说　杨玲　杨智鹏　徐梓欣　 (74)专利代理 机构 成都拓荒者知识产权代理有 限公司 51254 专利代理师 杨争华 (51)Int.Cl. G06V 10/22(2022.01) G06K 9/62(2022.01) G06V 10/762(2022.01) (54)发明名称 一种云微粒子图像粒子区域定位方法 (57)摘要 本发明涉及一种云微粒子图像粒子区域定 位方法， 主要包括首先对原始云微粒子图像数据 进行数据划分和聚类， 然后对所有图像数据进行 像素块同区域搜索及像素块属性进行判定， 接着 对附属像素块进行了基于像素块轮次距离和像 素块相似性距离的归属可能性值计算的多重归 属性进行认定， 再云微粒子区域进行定位， 通过 该方法可提高云微粒子数据中像素块划分的准 确性和粒子区域定位 准确性。 权利要求书3页 说明书6页 附图1页 CN 114677499 A 2022.06.28 CN 114677499 A 1.一种云微粒子图像粒子区域定位方法， 主 要包括以下步骤： 步骤1： 对云微粒子成像仪获取的原始云微粒子数据进行数据划分， 得到不同批次、 不 同数据块的数据集DLN,M； 步骤2： 对步骤1所得的所有DLN,M中的图像数据进行 聚类方法处理， 得到不同批次、 数据 块的DLN,M数据集的处理后的包含 像素块的图像数据结果SFN,M,J， 其中变量N表示批次编号， M 表示数据块编号， J表 示相同批次和数据块内的图像数据编号， J∈[1,j]， 变量j为DLN,M中图 像数据数量； 步骤3： 对所有图像数据SFN,M,J进行像素块同区域搜索， 对图像中的像素块属性进行判 定； 步骤4： 对所有图像数据SFN,M,j中的附属像素块的多重归属 性进行认定： 通过附属像素 块中标记号数量挑选出具有像素块归属性争议的附属像素块， 然后基于附属像素块与中心 像素块之间的距离和相似性得到附属像素块与该附属像素块的所有标记号中的中心像素 块之间的归属可能性 值， 依据归属可能性 值对附属像素块的多重归属性进行认定； 步骤5： 遍历所有图像数据SFN,M,J中的所有中心像素块， 以中心像素块为核心， 以归属于 该中心像素块的附属像素块为扩展区域， 两者共同作为单个云微粒子区域， 组成不同单个 云微粒子区域， 从而实现对单个云微粒子区域的定位。 2.如权利要求1所述的一种云微粒子图像粒子区域定位方法， 其特征在于步骤1具体 为： 对云微粒子成像仪获取的原始云微粒子数据进行数据划分： 首先按照数据获取的时间 将原始云微粒子数据划分为n个批次， 然后对每个批次数据根据数据获取 的温度将不同批 次原始云微粒子数据划分为m个数据块， 从而得到不同批次、 不同数据块的数据集DLN,M， 其 中， N表示批次编号， M表示数据块编号。 3.如权利要求1所述的一种云微粒子 图像粒子区域定位方法， 其特征在于步骤3： 对所 有图像数据SFN,M,J进行像素块同区域搜索包括： 步骤3.1： 按照从左到右， 从上到下的规则遍历图像数据SFN,M,J中的所有像素块， 并对像 素块进行编号 得到SFN,M,J(Q)， Q表示图像中像素块编号， Q∈[1,q]， 变 量q为图像中的像素块 数量； 步骤3.2： 对步骤3.1所得 的像素块SFN,M,J(Q)生成其对应的直方图hN,M,J,Q， 将满足相同 N、 M、 J条件下的hN,M,J,Q分为一组， 得到n ·m·j组； 步骤3.3： 对 步骤3.2所得的n ·m·j组直方图hN,M,J,Q， 设置阈值gv， 统计每个直方图中灰 度值大于等于gv的区域中的最大纵坐标值和小于gv的区域中的最大纵坐标值， 并计算前者 与后者的比值Rh ′N,M,J,Q； 步骤3.4： 对步骤3.3所得的N ·M·J组比值数据 集进行分析， 设置阈值th ′， 统计每组比 值数据集里小于 阈值的比值Rh ′N,M,J,Q ′， Q′表示比值数据集中满足Rh ′N,M,j,Q＜th′条件的筛 选出的比值对应的图像中像素块编号； 步骤3.5： 对步骤3.4所得的N ·M·J组筛选出的像素块， 按照逐组处理的方式， 通过每 组像素块在图像数据中的空间分布， 将这些筛选出的像素块设为中心像素块， 并将其8邻域 像素块设为该中心像素块的附属像素块， 如果出现某附属像素块同时属于多个中心像素 块， 将其随机分配给其中一个中心像素块； 按照从左到右， 从上到下 的规则， 对所有中心像权　利　要　求　书 1/3 页 2 CN 114677499 A 2素块进行步骤3.6 至步骤3.8的处 理； 步骤3.6： 对中心像素块进行同区域搜索， 搜索规则为： 从中心像素块上方开始， 按照顺 时针顺序， 逐一搜索中心像素块8邻域像素块； 步骤3.7： 对附属像素块进行同区域搜索， 搜索规则为： 首先判断该附属像素块的8邻域 像素块编号是否与其标记号中的附属的中心像素块编号相同， 如果相同， 跳过这些邻域像 素块， 如果不相同， 设置阈值th ″， 如果邻域像素块的Rh ′N,M,J,Q满足条件Rh ′N,M,J,Q＜th″， 将其 设置为第e轮附属像素块， 且将其附属的前一轮附属像素块标记号作为该附属像素块标记 号， 并且将轮次数更新为该轮的轮次数， 继续搜索； 如果邻域像素块的Rh ′N,M,J,Q不满足条件 Rh′N,M,J,Q＜th″， 跳过该像素块， 继续搜索， 当搜索完8邻域范围结束， 变量e表示附属像素块 是从步骤3.5得到的中心像素块开始， 第e次8邻域搜索得到的附属像素块， e∈[2,E],变量E 为从中心像素块 开始， 搜索完所有附属像素块的轮次； 步骤3.8： 重复步骤3.7对所有轮次附属像素块进行附属像素块同区域搜索直到搜索8 邻域没有附属像素块。 4.如权利要求3所述的一种云微粒子图像粒子区域定位方法， 其特征在于所述步骤3.6 具体为： 对搜索到的某一邻域像素块， 首先判断其属性是否为中心像素块， 如果是， 执行步骤 3.6.1， 如果不是， 判断其是否为其他中心像素块的附属像素块， 如果是， 执行步骤3.6.2， 如 果不是， 执行步骤3.6.3； 当搜索完8邻域范围结束； 步骤3.6.1： 更改该邻域像素块属性为其依附的中心像素块的第1轮附属像素块， 且将 其所依附的中心像素块的编号和轮次数附加到该像素块编号之后作为该附属像素块的标 记号， 继续搜索； 步骤3.6.2： 设置阈值th ″， 如果该邻域像素块的Rh ′N,M,J,Q满足条件Rh ′N,M,J,Q＜th″， 在其 原有属性基础上增加 一项属性为当前中心像素 的第1轮附属像素块， 且将其当前附属的中 心像素块编号和轮次数增加到该像素块已有标记 号后面作为该附属像素块新增标记号； 如 果该邻域像素块的Rh ′N,M,J,Q不满足条件Rh ′N,M,J,Q＜th″， 跳过该像素块， 继续搜索； 步骤3.6.3： 设置阈值th ″， 如果邻域像素块的Rh ′N,M,J,Q满足条件Rh ′N,M,J,Q＜th″， 更改该 邻域像素块属 性为其依附的中心像素块的第 1轮附属像素块， 且将其附属的中心像素块编 号和轮次数附加到该像素块编号之后作为该附属像素块的标记号， 继续搜索； 如果邻域像 素块的Rh ′N,M,J,Q不满足条件Rh ′N,M,J,Q＜th″， 跳过该像素块， 继续搜索。 5.如权利要求3所述的一种云微粒子 图像粒子区域定位方法， 其特征在于步骤4： 对所 有图像数据SFN,M,j中的附属像素块的多重归属性进行认定： 步骤4.1： 对步骤3.1所得的像素块SFN,M,j(Q)进行遍历， 如果该像素块为中心像素块， 跳 过该像素块， 如果该像素块 为附属像素块， 进入步骤4.2； 步骤4.2： 对附属像素块的标记号进行分析： 如果该附属像素块的标记号只有一个， 判 定该附属像素块归属于标记号中的中心像素块； 如果该附属像素块的标记号超过一个， 进 入步骤4.3； 步骤4.3： 提取该附属像素块的所有标记号中的中心像素块编号， 计算该附属像素块与 其标记号中的各中心像素块之间的距离DN,M,j(Qb,Qc)， 计算该附属像素块与其标记号中的 各中心像素块之间的相似性 LN,M,j(Qb,Qc)；权　利　要　求　书 2/3 页 3 CN 114677499 A 3