我國常見海洋浮游植物種類數(shù)據(jù)庫的創(chuàng)建與顯微自動識別關(guān)鍵技術(shù).pdf

1、海洋浮游植物是海洋水體環(huán)境中浮游生活的一種微小植物,通常浮游植物也稱為浮游藻類或浮游微藻。海洋浮游植物在各個領(lǐng)域有著重要應用,傳統(tǒng)的鑒定方法是通過在顯微鏡下觀察其外形和紋理特征進行的。而基于人工的鑒定過程是一件繁瑣、費力、耗時的工作。而且,鑒定人員必須經(jīng)過培訓和經(jīng)驗積累,并需要投入大量精力進行區(qū)分。
　　 本文針對我國沿海常見浮游植物種類,首先建立起浮游植物種類的電子數(shù)據(jù)庫,然后對浮游植物自動識別關(guān)鍵技術(shù)進行研究,主要結(jié)果如下:

2、
　　 創(chuàng)建了中國常見海洋浮游植物種類數(shù)據(jù)庫,這套數(shù)據(jù)庫包括了中國沿海常見浮游植物種類的分類信息、生態(tài)信息、顯微圖片等數(shù)據(jù)。這套數(shù)據(jù)庫的建立將有助于浮游植物專家以及其他領(lǐng)域需要進行浮游植物鑒定的科研人員對浮游植物進行種類鑒定。由于微軟.NET平臺在動態(tài)網(wǎng)頁開發(fā)和數(shù)據(jù)庫結(jié)合上功能和性能的優(yōu)勢,我們采用了C＃語言和ASP.NET網(wǎng)頁動態(tài)語言生成SQL查詢語句,并結(jié)合SQL SERVER數(shù)據(jù)庫進行開發(fā)。這套數(shù)據(jù)庫包含兩種查詢方式,二叉

3、檢索樹查詢方式和多變量查詢窗口方式,這兩種方式最終都提供圖片參考和種類描述參考以利于使用人員的分類參考過程。數(shù)據(jù)庫提供的分類信息包括中文種名、拉丁文種名、屬名、外形特點、分類信息、分布信息、外形圖片等內(nèi)容。數(shù)據(jù)庫為了便于使用和維護,采用了基于WEB的架構(gòu),使用人員可以簡單地通過瀏覽器便可實現(xiàn)遠程訪問。數(shù)據(jù)庫一共收納了241種浮游植物,其中包括168種硅藻,70種甲藻和3種其它浮游植物,數(shù)據(jù)庫收納的數(shù)碼顯微圖片共3239張。
　　

4、 浮游植物顯微圖像的預處理技術(shù):我們比較分析了浮游植物顯微圖像的降質(zhì)因素和噪音模型,最終,采用正交小波變換和軟閾值方法過濾了圖像中的背景噪聲,實驗結(jié)果表明正交小波變換結(jié)合Birgé-Massart閾值算法,在過濾噪聲的同時保留了邊緣信息。使進一步的圖像分割,紋理提取等步驟降低了噪聲干擾影響。
　　 準確的分割結(jié)果是浮游植物圖像識別的基礎(chǔ)。在圖像分割階段,探討了浮游植物顯微圖像采用不同分割原理的分割方法的效果,包括基于邊緣的分割算

5、法(sobel算法,prewitt算法,roberts算法,log算法,Canny算法);基于區(qū)域分割算法;基于閾值分割算法(p-分位數(shù)法,直方圖凹面分析法,最大類間方差法,熵方法,最小誤差法,矩量保持法),并對每種算法進行了分析和實驗。最終,結(jié)合浮游植物顯微圖像的個性化特點,提出了先采用灰值形態(tài)學Top-hat光照均衡處理,去除光照不平衡的影響,并用高斯擬合方法進行單峰直方圖閾值定位,谷底法進行雙峰直方圖閾值定位,得到較滿意的分割結(jié)果

6、。
　　 輪廓特征是區(qū)分不同浮游植物種類的重要分類信息。我們對藻體輪廓各種特征描述方法進行分析,包括簡單幾何描述子(圓度,矩形度,長寬比,離心率,三角度),HU的7個不變矩,Zernike幾何不變矩,形狀簽名法,傅立葉描述子,曲率尺度空間,最終采用BP神經(jīng)網(wǎng)絡(luò),采用Leave One Out方法,對20浮游植物進行基于形狀特點的分類,最終,簡單幾何描述子得到最好的識別率(95.83％)。
　　 雖然浮游植物的輪廓外形包含

7、了主要的分類信息,但是仍然有許多浮游植物僅通過輪廓是不能進行區(qū)分的,比如在浮游植物種類中外形為圓形或類圓形是非常常見的,而圓形種類在海洋浮游植物中是非常重要的一類。本文重點探討了如何通過紋理分析對圓形輪廓的浮游植物進行分類。在進行特征提取之前,我們首先對圖像進行了規(guī)則化操作,以避免受到光照等非紋理自身屬性的外界因素影響。本文首先找到圓形藻類的紋理特征的ROI,提出從浮游植物藻體邊緣到圓心的進行徑向取樣,得到8個方形區(qū)域,而且通過藻體兩次

8、旋轉(zhuǎn)60度來實現(xiàn)紋理特征的旋轉(zhuǎn)不變性。在紋理分析方法中,我們重點探討了灰度共生矩陣紋理分析法,tamura紋理分析法,和傅立葉變換分析法.在傅立葉變換中,本文根據(jù)傅立葉變換頻域峰值所代表的頻率和方向所蘊含的信息,通過獲得頻域中最大峰值和次大峰值的頻率和方向特點,來代表取樣區(qū)域的紋理信息。最終,將三種分析方法得到的特征向量采用BP神經(jīng)網(wǎng)絡(luò),進行l(wèi)eave one out方法分析。三種分析方法對于14種圓形浮游植物的識別率分別獲得90.48

9、％,80.95％和95.24％的分類結(jié)果,傅立葉變換分析法結(jié)果令人滿意的。
　　 雖然大部分浮游植物都是單細胞獨立生活,但鏈狀群體生活的浮游植物非常常見,這給浮游植物自動識別帶來更大難度,因為傳統(tǒng)的分割方法不可能將鏈狀群體中的個體作出區(qū)隔,更談不上進一步的識別。本文設(shè)計了一種不依賴浮游植物種類的匹配模板——利用藻鏈自身重復的特點,截取長鏈前端一部分區(qū)域作為模板,并利用相關(guān)系數(shù),找到藻體間隔處,從而得到浮游植物分割準確的位置和數(shù)量