基于顯微彩色圖像處理的三種藻類識(shí)別分類系統(tǒng).pdf

1、藻類在監(jiān)測(cè)湖泊、水庫(kù)和河流等水體的水質(zhì)狀況起著相當(dāng)重要的作用，它們能夠?qū)Ρ槐O(jiān)測(cè)水體的水質(zhì)狀況提供有用的信息，國(guó)內(nèi)外已廣泛應(yīng)用藻類作為生物監(jiān)測(cè)、評(píng)價(jià)水質(zhì)污染程度的重要指標(biāo)。 在現(xiàn)階段，數(shù)字圖像處理、模式識(shí)別和人工智能技術(shù)已經(jīng)被廣泛應(yīng)用于生物學(xué)領(lǐng)域，并且取得了一些可喜的成果，但是關(guān)于藻類識(shí)別分類的圖像處理系統(tǒng)的報(bào)道并不多。因此，借助于現(xiàn)代計(jì)算機(jī)技術(shù)結(jié)合生物學(xué)家的實(shí)踐經(jīng)驗(yàn)，采用圖像處理技術(shù)對(duì)藻類細(xì)胞圖像進(jìn)行處理，從而對(duì)藻類細(xì)胞進(jìn)行識(shí)別

2、分類，對(duì)水質(zhì)的監(jiān)測(cè)有著現(xiàn)實(shí)的意義和非常廣闊的前景。 本文以萊茵衣藻、小球藻和雙尖菱板藻為例作為研究對(duì)象，在對(duì)現(xiàn)有研究技術(shù)成果的學(xué)習(xí)研究基礎(chǔ)上，首先對(duì)彩色藻類細(xì)胞顯微圖像利用圖像處理技術(shù)進(jìn)行圖像預(yù)處理，其中使用了直方圖增強(qiáng)操作、圖像銳化操作和圖像平滑操作；然后對(duì)進(jìn)行過(guò)圖像預(yù)處理操作后的圖像進(jìn)行圖像分割并通過(guò)結(jié)合數(shù)學(xué)形態(tài)學(xué)操作以及種子填充等操作來(lái)檢出單個(gè)藻類細(xì)胞，本文根據(jù)不同類型藻類細(xì)胞表面色調(diào)值的差異，提出了基于色調(diào)H直方圖統(tǒng)計(jì)的

3、雙閾值圖像分割方法，并對(duì)分割后的圖像結(jié)合數(shù)學(xué)形態(tài)學(xué)中的一些操作如腐蝕、膨脹、開(kāi)運(yùn)算和閉運(yùn)算等以及種子填充操作檢出了完整的單個(gè)藻類細(xì)胞；接著對(duì)檢出的藻類細(xì)胞進(jìn)行特征提取，提取出了包括彩色特征、形態(tài)特征和紋理特征在內(nèi)的共45個(gè)描述三種藻類細(xì)胞特征的參數(shù)；最后將提取出的特征參數(shù)投入分類器進(jìn)行識(shí)別分類，在本文中，分別采用了BP神經(jīng)網(wǎng)絡(luò)法、最小距離監(jiān)督分類法和貝葉斯決策理論法對(duì)藻類細(xì)胞進(jìn)行識(shí)別分類，通過(guò)比較，選用了識(shí)別正確率最高的BP神經(jīng)網(wǎng)絡(luò)法。