基于區(qū)域信息的水平集藻類(lèi)圖像的分割.pdf

1、目前，我國(guó)對(duì)海洋赤潮及湖泊藍(lán)綠藻的監(jiān)視主要還是衛(wèi)星遙感技術(shù)，這種監(jiān)測(cè)手段的缺陷是不能進(jìn)行預(yù)測(cè)、預(yù)警，而且實(shí)時(shí)性差、陰雨天氣得不到圖像。針對(duì)以上問(wèn)題，及時(shí)的預(yù)報(bào)、預(yù)警、監(jiān)測(cè)和控制從而減少環(huán)境災(zāi)害的影響，就是需要重要解決的問(wèn)題，而藻類(lèi)的種類(lèi)和形態(tài)比例的圖像識(shí)別是監(jiān)測(cè)其中重要的一個(gè)環(huán)節(jié)。
　　根據(jù)現(xiàn)場(chǎng)顯微照片,利用圖像識(shí)別軟件來(lái)鑒定赤潮或水華類(lèi)型、優(yōu)勢(shì)藻類(lèi)和種群密度以及生長(zhǎng)趨勢(shì)。然而,由于藻類(lèi)細(xì)胞復(fù)雜多樣且顯微圖像受光線和藻類(lèi)細(xì)胞顏色的

2、影響,傳統(tǒng)的圖像分割算法對(duì)藻類(lèi)輪廓的提取難以取得滿意的效果。本文利用一種基于局部區(qū)域信息的C-V(LCV)模型，應(yīng)用于藻類(lèi)細(xì)胞顯微圖像的分割。
　　首先，本文介紹了藻類(lèi)研究的重要意義以及國(guó)內(nèi)外圖像分割技術(shù)的研究發(fā)展現(xiàn)狀，主要對(duì)水平集方法及其在圖像分割中的應(yīng)用和進(jìn)一步擴(kuò)展進(jìn)行深入的研究。對(duì)各種方法進(jìn)行了分析和比較，總結(jié)了各方法的性能優(yōu)缺點(diǎn)及存在的問(wèn)題。針對(duì)幾種常見(jiàn)的海洋赤潮生物及湖泊、水庫(kù)藍(lán)綠藻生物細(xì)胞本身具有復(fù)雜的結(jié)構(gòu)特點(diǎn)，分析了

3、傳統(tǒng)的 C-V模型所存在的問(wèn)題，利用一種新的基于局部信息的Local Chan—Vese(LCV)模型，可以在較少的迭代次數(shù)內(nèi)分割灰度不均勻圖像，應(yīng)用于藻類(lèi)細(xì)胞顯微圖像的分割，取得了很好的效果。
　　在MATLAB環(huán)境下，通過(guò)大量的圖像處理分析，保留藻類(lèi)的原有信息，最終返回識(shí)別出的只含藻類(lèi)的位圖。選出能最好區(qū)分藻類(lèi)細(xì)胞的特征組合，供之后分析藻類(lèi)特性時(shí)使用。通過(guò)實(shí)驗(yàn)對(duì)比，顯示出 LCV模型相對(duì)于傳統(tǒng)分割方法可以分割灰度均勻或不均勻的