基于机器视觉的硅藻门藻类鉴定方法研究

摘要

藻类是一种非常简单的植物，一般位于淡水和海洋中，分为真核细胞藻类和原核细胞藻类，或按门类分为11个门。而硅藻正是属于藻类的其中一个较为重要的门。硅藻在环境监测、生物制药等方面有着举足轻重的作用。但是传统的对于藻类的分类研究，对于操作人员的要求比较高，要有深厚的藻类形态知识积累，工作强度大，且主观性强，易出错。本文主要使用数字图像处理和模式识别的知识对硅藻门藻类图像的自动识别进行研究，论文主要工作如下:
　　首先，介绍了课题的研究意义及国内外的研究现状。概述了传统硅藻分类所采用的方法及缺陷，以及目前采用数字图像处理方法实现硅藻分类所存在的问题。
　　其次，详细说明硅藻目标兴趣区的获取。第一步，使用Sobel边缘检测得到边缘图像。第二步，使用Otsu分割得到二值图像。第三步，使用轮廓跟踪和洪水填充得到轮廓图像。第四步，使用小面积过滤将不属于目标的杂点和游标尺去除。第五步，使用外接矩收缩法得到图像目标的外接圆。
　　然后，提出基于目标结构的硅藻细胞分类。将外接圆按距离等分为10个特征提取圆环，并对其使用目标结构成分度量、目标结构变化度量和目标结构角度度量三个方法分别提取硅藻目标的特征向量。
　　最后，使用欧式距离作为硅藻图像相似性测量的方法，并使用综合后的相似距离对硅藻细胞图像进行分类。实验图库有102个种类的306张图片。本文的评价方法不同于分类器的评价方法，使用的是基于内容的图像检索的常用指标——准确率和召回率。自动搜索比对的实验结果表明:本文方法在对硅藻图片进行分类时，平均准确率达到5.4％（全值6％时），平均召回率达到了90.0％（全值100％时），取得了相较同类方法更好的识别分类效果。

目录

声明

摘要

第一章 绪论

1．1 研究目的和意义

1．2 国内外研究现状

1．3 论文的主要研究内容

第二章 现有硅藻门藻类图像的识别与分类

2．1 传统手工分类方法及依据

2．1．1 硅藻细胞结构介绍

2．1．2 硅藻门藻类细胞类别

2．2 现有图像识别分类方法

2．2．1 基于相位一致的圆形目标浮游植物图片检测

2．2．2 基于随机子空间分类浮游生物

2．2．3 基于纹理的圆形硅藻的自动分类

2．2．4 SEH算法

2．2．5 基于局部极值和幅度模式的检索方法

2．2．6 基于区域分布特征的检索方法

2．3 目前存在的问题

2．4 本章小结

第三章 硅藻图像ROI目标区的定位

3．1 硅藻单目标的提取

3．1．1 目标提取

3．1．2 提取结果分析

3．1．3 提取的改进

3．2 硅藻单目标外接圆的获取

3．2．1 重心半径法

3．2．2 硅藻单目标外接矩收缩法

3．3 本章小结

第四章 —种新的基于内容检索的硅藻鉴定方法

4．1 相似度测量

4．1．1 欧式距离

4．1．2 直方图相交距离

4．1．3 余弦相似度

4．2 基于目标结构的硅藻鉴定

4．2．1 目标同心圆

4．2．2 目标结构成分度量

4．2．3 目标结构变化度量

4．2．4 目标结构角度度量

4．3 本章小结

第五章 实验结果与分析讨论

5．1 系统实现

5．2 参数设置

5．3 实验结果及分析

5．4 本章小结

第六章 总结和展望

6．1 结论

6．2 工作展望

参考文献

致谢

攻读学位期间的研究成果