基于小波分解和颜色信息熵的浮游生物图像识别技术研究

摘要

海洋浮游生物是海洋生物的重要组成部分,在海洋生物链中处于关键作用的一环,是整个海洋生态平衡的重要支点之一。因此,开展针对海洋浮游生物的科学研究对更好地开发、管理、利用我国的海洋资源,乃至发展我国的海洋事业具有重要的意义。浮游生物图像识别分类技术的研究是对海洋生物生态研究的重要内容和必要前提。传统的浮游生物识别方法主要由专业人员人工进行,工作效率不高、且可靠性不好。因此,提出自动高效的浮游生物图像识别方法就很必要。目前,随着计算机技术和目标图像识别技术的发展,涌现出许多具有较高识别性能的目标图像识别方法,并逐步将上述技术应用于基于图像分析的浮游生物自动识别。然而,随着海洋生物学界对浮游生物研究的进一步深入,传统识别方法的效率较低的缺点逐渐凸现。因此,在保证识别率的前提下,进一步提高识别算法的效率成为该领域新的发展方向。由此,本文提出了基于小波分解与图像颜色信息熵的浮游生物图像识别方法,应用小波理论与信息量理论对浮游生物图像进行描述并提取特征向量,达到了较好的识别效果。具体取得以下进展:(1)综述了国内外有关目标识别和浮游生物图像识别领域相关的研究状况,对有代表性的方法进行了分析和比较,并在此基础上,总结各自的优缺点,充分论证了本文研究的必要性和可行性。(2)提出了基于颜色信息熵的图像描述方法,将预处理后的浮游生物图像进行四叉树结构的分块,提取分块后图像的全局和局部颜色信息并以信息熵的方式组成特征向量,作为图像的特征描述。该方法在表征浮游生物图像空间颜色特征的同时降低了特征向量的维数。(3)使用小波变换理论对浮游生物图像进行特征描述,将预处理后的浮游生物图像进行三层小波分解,分别提取分解后各通道的小波系数的均值、方差、能量组成特征向量,比较完备的提取出了浮游生物图像的细节特征,并具有较低的算法复杂度。(4)设计了基于相似度匹配结合K-近邻法的浮游生物图像分类器,使用欧式距离计算测试集图像和训练集图像的相似程度,并使用K-近邻法进行分类。实验表明,本文提出的识别方法在保证识别率的同时,具有较高的识别效率。

目录

摘要

ABSTRACT

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于目标特征的图像识别研究现状

1.2.2 浮游生物识别方法研究现状

1.3 论文的主要工作及结构

1.3.1 论文的主要工作

1.3.2 论文的结构

第二章 图像识别原理及常用方法

2.1 图像识别原理

2.2 常用的图像识别方法

2.2.1 模板匹配法

2.2.2 统计模式识别法

2.2.3 模糊模式识别法

2.2.4 结构模式识别法

2.2.5 基于神经网络的识别方法

2.3 基于内容特征的图像识别方法

2.4 本章小结

第三章 基于信息熵的图像特征描述

3.1 引言

3.2 信息熵基本原理

3.2.1 基本概念

3.2.2 图像的信息熵

3.2.3 图像的颜色直方图

3.2.4 信息熵的数学特性

3.2.5 熵函数的灵敏度

3.3 基于颜色信息熵的图像特征描述

3.3.1 图像颜色直方图的信息熵

3.3.2 基于颜色信息熵的图像特征提取

3.4 本章小结

第四章 基于小波分解的图像特征描述

4.1 引言

4.2 小波变换基本理论

4.2.1 连续小波变换

4.2.2 离散小波变换

4.3 MALLT 小波原理

4.4 基于小波分解的浮游生物图像特征表示

4.4.1 浮游生物图像的分解

4.4.2 浮游生物图像的重构

4.4.3 浮游生物图像的特征表示

4.4.4 算法分析

4.5 本章小结

第五章 实验与分析

5.1 引言

5.2 图像来源

5.3 图像预处理

5.4 图像的特征提取

5.4.1 基于颜色信息熵的图像特征提取

5.4.2 基于小波分解的图像特征提取

5.5 浮游生物图像的特征匹配

5.5.1 基于相似度模型的距离度量

5.5.2 基于K-近邻法的图像分类

5.6 实验过程

5.6.1 训练集样本个数及K 值对识别率的影响（K 值分析）

5.6.2 图像识别率

5.6.3 算法复杂度

5.7 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献