基于顯微彩色圖像處理的三種藻類識別分類系統(tǒng).pdf

1、藻類在監(jiān)測湖泊、水庫和河流等水體的水質狀況起著相當重要的作用，它們能夠對被監(jiān)測水體的水質狀況提供有用的信息，國內外已廣泛應用藻類作為生物監(jiān)測、評價水質污染程度的重要指標。 在現(xiàn)階段，數(shù)字圖像處理、模式識別和人工智能技術已經(jīng)被廣泛應用于生物學領域，并且取得了一些可喜的成果，但是關于藻類識別分類的圖像處理系統(tǒng)的報道并不多。因此，借助于現(xiàn)代計算機技術結合生物學家的實踐經(jīng)驗，采用圖像處理技術對藻類細胞圖像進行處理，從而對藻類細胞進行識別

2、分類，對水質的監(jiān)測有著現(xiàn)實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象，在對現(xiàn)有研究技術成果的學習研究基礎上，首先對彩色藻類細胞顯微圖像利用圖像處理技術進行圖像預處理，其中使用了直方圖增強操作、圖像銳化操作和圖像平滑操作；然后對進行過圖像預處理操作后的圖像進行圖像分割并通過結合數(shù)學形態(tài)學操作以及種子填充等操作來檢出單個藻類細胞，本文根據(jù)不同類型藻類細胞表面色調值的差異，提出了基于色調H直方圖統(tǒng)計的

3、雙閾值圖像分割方法，并對分割后的圖像結合數(shù)學形態(tài)學中的一些操作如腐蝕、膨脹、開運算和閉運算等以及種子填充操作檢出了完整的單個藻類細胞；接著對檢出的藻類細胞進行特征提取，提取出了包括彩色特征、形態(tài)特征和紋理特征在內的共45個描述三種藻類細胞特征的參數(shù)；最后將提取出的特征參數(shù)投入分類器進行識別分類，在本文中，分別采用了BP神經(jīng)網(wǎng)絡法、最小距離監(jiān)督分類法和貝葉斯決策理論法對藻類細胞進行識別分類，通過比較，選用了識別正確率最高的BP神經(jīng)網(wǎng)絡法。