首页> 中文学位 >基于生物形态学的赤潮藻显微图像分割与特征提取研究
【6h】

基于生物形态学的赤潮藻显微图像分割与特征提取研究

代理获取

目录

文摘

英文文摘

1 引言

1.1 赤潮知识

1.1.1 赤潮的定义

1.1.2 赤潮的危害与分型

1.1.3 赤潮生物的分类学研究进展

1.2 藻种显微图像识别国内外研究现状

1.3 课题研究背景及意义

1.4 论文内容安排

2 赤潮藻图像生物形态分类学研究

2.1 赤潮藻生物形态学特征分析

2.1.1 甲藻门

2.1.2 硅藻门

2.1.3 着色鞭毛藻门

2.2 赤潮藻生物形态分类

2.3 藻种显微图像识别方法

2.4 本章小结

3 藻种显微图像分割与目标提取

3.1 藻种粗分类

3.2 藻种显微图像特点分析

3.3 基于多方向投影积分的自动阈值无角毛类藻种细胞提取

3.3.1 阈值分割

3.3.2 投影积分

3.3.3 实验结果

3.4 基于灰度曲面方向角模型的角毛藻细胞提取

3.4.1 灰度曲面方向角模型

3.4.2 灰度曲面矢量映射

3.4.3 实验结果

3.5 本章小结

4 无角毛类藻种特征提取与模式分类

4.1 生物特征区域提取

4.1.1 数学形态学

4.1.2 基于最佳结构元素形态学的顶刺特征提取

4.1.3 基于特征灰度和约束标记分水岭变换的横沟特征提取

4.2 生物形态特征分析与提取

4.2.1 全局形状特征提取

4.2.2 纹理特征提取

4.2.3 局部形态特征

4.2.4 实验结果

4.3 分类器设计与藻种识别

4.3.1 特征降维

4.3.2 分类器设计

4.3.3 实验结果

4.4 本章小结

5 角毛藻细胞目标表示与特征提取

5.1 骨架

5.1.1 骨架结构基元

5.1.2 骨架提取

5.2 基于骨架树的角毛藻目标表示

5.2.1 一种基于竞争策略的骨架层次分解方法

5.2.2 骨架基元编码

5.2.3 实验结果

5.2.4 骨架树构造

5.3 骨架树距离求解模型

5.3.1 构造邻接矩阵

5.3.2 拓扑结构差异

5.3.3 几何特征差异

5.3.4 实验结果

5.4 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

附录

致谢

个人简历及已发表的学术论文

在学期间参加的研究项目

展开▼

摘要

近年来近海赤潮频发,规模不断扩大,对海洋生态环境、资源及公众健康构成了严重威胁,造成巨大的经济损失,已引起各国政府及科学界的关注和高度重视。因此,研究赤潮发生的机制,对赤潮的发生、变化、消长及灾情趋势作出监测预报从而采取相应治理措施是一项非常迫切的任务。国家从基础研究、高技术发展等不同层面开展赤潮研究工作,正着手建立业务化的赤潮自动监测体系。赤潮生物的种类和数量是决定赤潮危害程度的关键因素,而人工形态学分类存在主观性和劳动强度大等问题,因此快速有效地鉴定主要赤潮藻种是赤潮自动监测的一个重要环节。
   本文以中国海常见的40种赤潮藻为研究对象,在对本课题生物形态学知识积累基础上,分门类概括了赤潮藻种的主要生物形态学特征,并以此为分类原则提出了赤潮藻形态学分类思想,设计了藻种显微图像识别系统。在分析了目前国内外已有的研究成果基础上,针对赤潮藻显微图像分割和特征提取,进行了较为深入的研究,主要工作包括:
   1.藻种显微图像分割与目标提取。根据所研究40种赤潮藻生物形态学特点,将这40种赤潮藻分为无角毛类藻和角毛藻两大类,制订了藻种细胞粗分类方法。
   1)结合自动阈值理论分析和实验,说明采用最小误差阈值化方法可以有效实现形状规则的无角毛类藻种图像分割;针对自动阈值法在图像分割中的缺陷,提出了一种基于多方向投影积分的自动阈值藻种细胞提取方法,该方法通过保留图像在八个方向上最大投影积分区间去除细胞体周围杂质,从而提取完整的细胞目标。
   2)针对形态多变、角毛灰度信息微弱的角毛藻,提出了一种基于灰度曲面方向角模型的藻种细胞提取方法,该方法首先建立了灰度曲面的矢量化表示模型,通过将灰度曲面法线矢量分解为水平与垂直两方向上的灰度矢量映射图像消除噪声干扰,保留角毛的方向信息,结合滤波、形态学区域填充等操作实现对角毛藻细胞提取。与阈值法对比实验表明,该方法在精确提取目标的同时可更多地保留角毛信息。
   2.无角毛类藻种特征提取与模式分类。重点研究了无角毛类藻种生物特征区域的提取方法,并结合藻种细胞通用形态特征和领域相关特征,优化选择建立藻种多视点形貌特征集合。
   1)提出了一种快速提取藻种顶刺的形态学方法,该方法引入了像素宽度的概念,以藻种目标像素宽度直方图和面积分布为判别依据,自动判定最佳结构元尺寸。
   2)提出了一种基于特征灰度和约束标记分水岭变换的横沟提取方法,针对分水岭变换存在的过分割问题,该方法利用灰度包容球获取图像特征灰度集合,通过有效降低图像中灰度级数目减少无意义的局部极小值区域,对灰度重构后的梯度图像极小值区域采用阈值法进行标记并对标记加以横沟质心、形状和面积约束,极小值标定修改梯度图后采用分水岭变换实现横沟提取。
   3)提取藻种全局形状特征、纹理特征和局部形态特征建立藻种细胞生物形态特征集合,选择C-SVM采用一对一方法构建多类别分类模型,实验验证了选取特征集合的不变性和有效性,并给出识别结果。
   3.角毛藻细胞目标表示与特征提取。基于骨架表征形状的能力建立骨架树模型对角毛藻细胞目标进行表示并提取其生物形态学特征。
   1)提出了一种基于竞争机制的骨架层次分解方法,该方法通过定义使与脊柱基元具有一致方向性的分支基元获胜跟踪的竞争策略,消除了骨架提取中不同分支的相互影响,保证分解后脊柱基元的完整性;以分解后各基元作为节点构建骨架树获取角毛藻目标的表示形式,该树的层次和节点间的连接关系反映了目标的拓扑性质。
   2)针对角毛藻目标具有的生物形态特征,最终建立骨架树的拓扑结构差异和几何特征差异作为描述角毛藻细胞的特征集合,并将目标中特征提取的问题转化为骨架树距离求解过程,建立了对分类角毛藻显微图像有效的相似性度量。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号