2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩117頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、近年來,我國沿海赤潮持續(xù)高頻次發(fā)生,已嚴重影響到居民的飲水安全、水產(chǎn)養(yǎng)殖、水體景觀價值等方面,造成了巨大的經(jīng)濟損失。我國各級政府部門和科研機構(gòu)對有害赤潮進行快速監(jiān)測、早期預警的需求越來越強烈。在此情形下,建設一個數(shù)字化和標準化的、具有“有害赤潮綜合信息檢索、藻種和藻毒素標準品供應、鑒定與檢測標準技術(shù)提供、遠程診斷服務”等功能的有害赤潮診斷標準技術(shù)平臺,就成為國家的迫切需求。國際上雖已有類似設想,但尚未建成如此完整而獨具特色的技術(shù)支持平臺

2、。
  本文通過分析我國沿海有害赤潮發(fā)生情況,給出常見有害赤潮藻名錄,采集藻種不同生長時期、不同地理株系、不同角度的生物形態(tài)學信息及多視點圖像,得出生物形態(tài)學分類判據(jù),并匯集藻種分子生物學、色素和光譜信息,建立中國海常見有害赤潮藻綜合數(shù)據(jù)庫;同時,集成各種赤潮藻分析方法的鑒定與檢測標準技術(shù)體系和處理方法,構(gòu)建一個基于Web的有害赤潮生物診斷技術(shù)平臺;以傳統(tǒng)的生物形態(tài)學分類為依據(jù),深入分析藻種細節(jié)特征和形狀特征的明顯差異,基于圖像分

3、析、統(tǒng)計學習和模式識別技術(shù),構(gòu)建赤潮藻顯微圖像自動診斷識別系統(tǒng)。本文主要工作及創(chuàng)新如下:
  1、中國海常見赤潮藻的海洋生物學信息和分類研究
  結(jié)合中國沿海近年來赤潮發(fā)生的情況,給出了本課題涉及的41種藻種名錄,研究了這41種赤潮藻的生物形態(tài)學特征,初步闡述了赤潮藻生物形態(tài)分類思想,從而為有害赤潮藻數(shù)據(jù)庫設計和顯微圖像識別系統(tǒng)的研究奠定基礎。
  2、中國海常見有害赤潮藻數(shù)據(jù)庫設計與實現(xiàn)
  采集藻種不同生長時

4、期、不同地理分布的海洋生物學信息及不同角度的多視點圖像,匯集本項目研究獲得的赤潮藻形態(tài)學、分子生物學、色素與光譜數(shù)據(jù),形成“有害赤潮藻綜合信息庫”。同時,匯集適用于不同時空尺度與精度的赤潮藻檢測技術(shù),建立赤潮藻鑒定與定量檢測技術(shù)體系庫。結(jié)合有害赤潮生物診斷技術(shù)平臺的應用需求,設計了用于診斷識別的處理方法庫和識別數(shù)據(jù)庫,從而形成了完整的有害赤潮藻綜合數(shù)據(jù)庫。
  3、“有害赤潮生物診斷技術(shù)平臺”建設
  依托中國海常見有害赤潮

5、藻綜合數(shù)據(jù)庫,搭建“有害赤潮生物診斷技術(shù)平臺”,主要包括赤潮藻綜合信息庫、赤潮藻鑒定與定量檢測技術(shù)體系、在線診斷系統(tǒng)和有害赤潮研究與監(jiān)測材料供應虛擬中心四部分??蓾M足數(shù)據(jù)庫輸入與查詢的前端交互、赤潮研究相關資料的動態(tài)發(fā)布、診斷鑒定技術(shù)接口、用戶管理等需要。“赤潮在線診斷”集成了項目開發(fā)的多項功能模塊,包括人機互動檢索、顯徼圖像識別、化學分類、三維熒光光譜識別,可通過Internet提供在線遠程服務。
  平臺采用J2EE體系架構(gòu),

6、融合了當前主流的Struts、Spring、Hibernate等Web應用框架,實現(xiàn)了適用于本項目需求的系統(tǒng)框架。系統(tǒng)設計采用MVC模式,將表現(xiàn)邏輯、業(yè)務邏輯、數(shù)據(jù)庫調(diào)用邏輯分開,具有很好的獨立性、可移植性和可擴展性。
  4、赤潮藻顯微圖像自動識別技術(shù)研究
  通過對有害赤潮藻類細胞生物形態(tài)學細節(jié)特征和形狀特征的分析,建立了赤潮藻顯微圖像自動分類體系。分別對藻類細胞三種細節(jié)特征(有無角毛、橫縱溝、尖頂刺)進行有效的自動提取

7、,作為顯微圖像自動分類的重要判據(jù),進而設計三級兩類分類器,建立樹狀判別體系,將大樣本集有效劃分為小樣本集,并針對不同的小樣本集進行相應的自動分類,然后進一步提取全局形狀特征,從而得出識別結(jié)果,多級分類器的設計思想同時也提高了識別準確率。
  分類器Ⅰ,根據(jù)細胞有無角毛,對上傳圖像進行第一級分類。對于赤潮藻顯微圖像,首先采用基于灰度方向角模型的細胞目標提取算法;針對角毛藻細胞分叉較多,進行基于形態(tài)學細化的骨架提取,得到藻種細胞骨架的

8、細節(jié)特征,將骨架的節(jié)點和端點數(shù)目多少作為是否為角毛藻的判據(jù)。對角毛藻類進行分類識別,得到診斷結(jié)果;對無角毛類藻使用分類器Ⅱ繼續(xù)判別。
  分類器Ⅱ,針對無角毛類藻,根據(jù)有無橫縱溝進行第二級分類。對于無角毛類藻種,首先采用基于自動化閾值的最大輪廓細胞目標提取算法;針對顯微圖像中橫縱溝區(qū)域與細胞主體景深不同,用基于約束標記分水嶺變換進行橫縱溝提取,獲得藻種細胞的橫縱溝細節(jié)描述,計算所提取橫縱溝與細胞的面積之比和橫縱溝區(qū)域質(zhì)心到細胞質(zhì)心

9、距離與細胞最小外接矩形的長之比,將這兩個比值的大小作為藻種有無橫縱溝的判據(jù)。對無角毛有橫縱溝類藻種進行分類識別,得到診斷結(jié)果;對無角毛無橫縱溝類藻種使用分類器Ⅲ繼續(xù)判別。
  分類器Ⅲ,針對無角毛無橫縱溝類藻,根據(jù)有無尖頂刺進行第三級分類。針對顯微圖像中尖頂刺較小并與細胞主體邊緣凸出相連,采用基于最佳結(jié)構(gòu)元的尖頂刺提取方法,獲得藻種細胞的尖頂刺細節(jié)描述,根據(jù)有無尖頂刺分為兩類。然后分別進行分類識別,得到診斷結(jié)果。
  分類識

10、別方面,主要結(jié)合不同赤潮藻的生物形態(tài)學特征,在細胞目標提取的基礎上進行不變矩和形狀因子特征的提取和描述,形成特征樣本集;采用支持向量機對特征樣本集進行訓練,得到識別模型庫;將待識別樣本特征數(shù)據(jù)與相應類別識別模型庫進行模式識別,得到最終診斷結(jié)果。
  采用上述分類器思想對41種赤潮藻種、共3600幅顯微圖像(其中訓練樣本2600幅,測試樣本1000幅)進行識別測試,平均識別率為83.27%,去掉三級分類器的識別誤差,實際識別率平均值

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論