中國海常見有害赤潮藻顯微圖像識別研究.pdf

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