基于线性判别分析的赤潮藻类流式图像自动识别研究

摘要

赤潮是世界近海三大污染问题之一，给人类社会造成了巨大的危害，引起全世界范围的广泛关注和研究。近年来我国近海区域赤潮爆发的数量和灾害程度逐年加大，每年都造成高达数十亿的经济损失，并威胁人类的生命安全，引起我国社会各界的广泛关注。国家每年投入大量人力物力展开赤潮爆发机制、预警和防治工作的研究。其中加强对赤潮灾害的预警是防治赤潮的重要内容，而对赤潮藻种的快速鉴别是赤潮预警的关键步骤。
　　本文针对流式图像分析仪采集的赤潮藻类图像特点，展开赤潮藻类图像识别研究。由于所采集的藻类图像存在图像模糊、边缘断裂等问题，传统处理方法难以保证处理质量，需要结合图像实际情况进行研究。本文的主要工作包括:
　　1.对流式图像进行预处理，得到边缘较清晰的藻类图像，在此基础上对比多种分割方法的分割结果，提出结合LOG算子和大津法的分割方法，分割结果表明，该方法适合大多数流式图像，并能得到比较完整的目标藻类以及其轮廓。
　　2.根据目标藻类分割结果，提取了11个形状特征和3种纹理特征，分析这些特征的平移、旋转、尺度不变性，确定适合本文研究的特征。
　　3.深入研究线性判别分析方法，在该算法的基础上建立完整的赤潮藻类分类器，利用藻类形状特征和纹理特征进行分类识别研究。
　　4.针对中肋骨条藻展开细胞计数研究，提出一种循环腐蚀的方法分离该藻的粘连细胞。应用该方法统计经分类器识别出的图像中该藻的细胞数量，与人工计数结果对比，达到94.21％的正确率。
　　本文基于线性判别分析算法建立赤潮藻类自动分类器，将形状特征和纹理特征作为训练特征向量，对流式图像分析仪采集的十种赤潮藻类进行分类研究。研究表明，单独使用形状特征达到的平均识别率仅为78.37％，而结合形状特征和纹理特征的平均识别率达到93.16％。

目录

声明

摘要

第一章 前言

1．1 研究背景

1．1．1 赤潮及其监测手段

1．1．2 数字图像处理及模式识别

1．2 藻类图像识别国内外研究现状

1．3 课题来源和研究意义

1．4 主要工作和内容安排

第二章 赤潮藻类流式图像分割技术

2．1 本文所用藻类图像

2．2 一些常用的数字图像处理技术

2．2．1 图像增强

2．2．2 图像锐化

2．2．3 数学形态学

2．3 图像分割算法

2．3．1 基于边缘的分割算法

2．3．2 基于区域的分割算法

2．4 本文所用分割方法及结果

2．4．1 图像预处理

2．4．2 边缘算子的选择

2．4．3 结合LOG和Otsu的分割方法

2．5 本章小结

第三章 藻类图像特征提取

3．1 形状特征

3．1．1 基于边界的形状特征

3．1．2 基于区域的形状特征

3．2 纹理特征

3．3 赤潮藻类特征提取与分析

3．3．1 赤潮藻类形状特征的平移、旋转、尺度不变性

3．3．2 赤潮藻类纹理特征

3．4 本章小结

第四章 基于线性判别分析的藻类自动识别

4．1 线性判别分析

4．1．1 LDA原理

4．1．2 Gabor纹理的降维

4．2 分类结果

4．2．1 基于形状特征的识别结果

4．2．2 结合形状特征和纹理特征的识别结果

4．3．3 分类结果分析

4．3 本章小结

第五章 中肋骨条藻细胞计数

5．1 粘连细胞分离

5．2 对中肋骨条藻细胞的计数结果与分析

5．3 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间发表论文

致谢