暗视场浮游动物图像自动识别方法研究

摘要

海洋面积占据了地球表面积的70％左右，在当前海洋经济快速发展大的背景下，人类开发利用海洋资源与海洋生态和环境的变化有着紧密的联系，海洋浮游动物的生物量、种群结构、群落多样性以及迁移过程对海洋生态系统、海洋生物地球化学循环、海洋环境以及全球气候变化研究发挥着重要作用。
　　原位浮游生物光学成像观测系统所产生的海量图像资料是海洋浮游生物调查所面临的挑战性问题，本文在总结已有的识别方法的基础上，开展了暗视场浮游动物种群图像预处理、特征提取、分类识别等处理方法研究，为构建了暗视场浮游动物的自动识别系统奠定了基础。
　　在图像预处理方面，首先运用直方图均衡化来降低光照不均引起的图像质量问题，结合自适应小波方法抑制水下浮游动物图像噪声，同时保留了原始浮游动物的细节特征；其次采用区域检测器算法从整幅图像中提取感兴趣区域，提出了基于形态重构的浮游动物图像分水岭分割方法，该算法能在一定程度上分割接触或重叠的物体，避免了浮游动物图像原有的噪声所导致的轮廓偏移和过分割现象。在特征提取方面，本论文分别提取了基本形态特征、HU氏不变矩特征、傅里叶描述子、基于灰度共生矩阵纹理分析方法和局部二值模式纹理特征，利用支持向量机分类器对各特征及不同组合进行对比分析，验证了基本形状特征、HU氏不变矩特征与基于灰度共生矩阵的组合和基本形状特征、HU氏不变矩特征与局部二值模式的纹理分析方法组合的识别性能，分别取得了83.11%和83.2%的识别率。在上述工作基础上，本论文设计了双层分类器策略来进一步提高识别准确率，第一层将几何形态特征输入支持向量机进行分类，第二层将纹理特征输入支持向量机分类器得到另一个类别，若这两个类别相同，则样本为这种类别，否则将其归为无法识别类。运用ROC曲线对分类器性能进行分析，结果表明：（1）双层分类器的识别准确率要优于单个分类器；（2）在训练样本增加的情况下，基于局部二值模式特征的分类效果有所提高，在相同训练集和测试集的情况下，从无法识别类个数和ROC曲线所覆盖的面积来看，局部二值模式特征对提高识别准确率的贡献要优于灰度共生矩阵特征。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及意义

1.2浮游生物图像自动识别方法的国内外研究现状

1.3 本论文依托的课题背景

1.4论文研究目的

1.5论文的研究内容及结构

2 暗视场浮游动物图像预处理方法

2.1 前言

2. 2 图像的直方图均衡化

2.3 基于自适应小波去噪算法

2.4 感兴趣目标检测

2.5 图像中的浮游动物目标分割方法

2.6 处理结果

2.7本章小结

3 模式识别分类器

3.1 前言

3.2 基于机器学习的方法

3.3 基于支持向量机分类器

3.4 小结

4 特征提取与分析

4.1 前言

4.2基本形态特征

4.3纹理特征

4.4 浮游生物类别

4.5 识别分析结果

4.6 讨论

4.6小结

5 分层分类器在浮游动物图像自动识别的应用

5.1 前言

5.2 分层分类器设计

5.3 基于ROC曲线的分类器评价方法

5.4 试验结果与讨论

5.5 小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

个人简历、在学期间发表的学术论文