（生物医学工程专业论文）基于双光谱有毒赤潮优势藻图像分析的研究.pdf

a b s t r a c t t h er e dt i d ep h e n o m e n o nh a sl o n gc a u s e dt h ea t t e n t i o no ft h es e a - s i d e dn a t i o n s a n dt h er e l a t e df i e l d so fs c i e n c e p l a n so nr e dt i d er e s e a r c h e sh a v eb e e nm a d e a c c o r d i n g l y i na l lt h o s er e s e a r c hw o r k s ，s t u d i e so ft h em o r p h o l o g i c a la n ds p e c t r a l c h a r a c t e r so ft h eh a r m f u la l g a ea r et h em o s tf a n d a m e n t a la n di m p o r t a n tp o r t i o n c u r r e n t l y ，t h em o s tc o m m o nm e t h o df o rt h ea n a l y z i n go ft h eh a r m f u la l g a ei st o m a n u a l l ys o r t i n ga n dc o u n t i n ga l g a eu n d e rm i c r o s c o p e e v i d e n t l y , t h i sm e t h o di sv e r y p r i m i t i v ea n di n e f f i c i e n td u et ot h ea f f e c t i o no ft h eh u m a ns u b j e c t i v ef a c t o r s t h u s t h ed e v e l o p m e n to fd o u b l e - s p e c t r u mb a s e dh a r m f u la l g a ea n a l y s i si n s t r u m e n tf o rl a b u s ea n dt h es e t t i n go fm o r p h o l o g i c a l l yb a s e di m a g ed a t a b a s eb e c o m eam e a n i n g f u l w o r k ，w h i c hw i l ls e tag o o df o u n d a t i o nf o rt h er e s e a r c ho fa u t o m a t i ch a r m f u la l g a e a n a l y s i si n s t r u m e n tf o rf i e l d w o r k t h e r ea r en a t i o n a l l yo ri n t e r n a t i o n a l l yn or e p o r t s a b o u tt h em a t u r et e c h n i q u eo ri n s t r u m e n t sc o n c e r n e d c o m b i n e dt h ec h a r a c t e r so f f l u o r e s c e n c e ，m o r p h o l o g ya n dt e x t u r e ，d o u b l e - s p e c t r u mb a s e dt e c h n i q u ec a r la n a l y z e t h ef e a t u r e so fh a r m f u la l g a em o r ee f f e c t i v e l ya n d e x a c t l y b e s i d e s ，i tw i l lb eag r e a t h e l pf o rm ed i s c o v e r yo fn e wt y p eo fa l g a eb ya p p l y i n gt h em o r p h o l o g i c a li m a g e d a t a b a s ei n t ot h eh a r m f u la l g a er e c o g n i z i n ga n ds o r t i n g a c c o r d i n gt os p e c i a lc h a r a c t e r so ft h er e dt i d e ，t h es u b j e c td e v e l o p e dc o m p l e t e d s y s t e mf o rt h ea n a l y s i so fh a r m f u la l g a ei m a g e ，i n c l u d i n gf l u o r e s c e n c ea n dg r a y m i c r o g r a p hs a m p l i n gs y s t e ma n di m a g ep r o c e s s i n gs o f t w a r e o nt h eb a s i so fs o f t w a r e a n dh a r d w a r e ，w eh a v er e a l i z e dt h ea n a l y s i sa n dr e c o g n i t i o no fs i xk i n d so fa l g a e ，a n d s e tu pa ni m a g ed a t a b a s eo fh a r m f u la l g a e ，w h i c hr u n sb e y o n dt h ep r i m a r y r e q u i r e m e n to ft h es c h e d u l e t h ed e s i g no fm i c r o g r a p hs a m p l i n gs y s t e mi sc o m p o s e d b yt h r e ep a r t s ：t h ec h o o s i n ga n ds w i t c h i n gs t r u c t u r ed e s i g no ft h ef l u o r e s c e n c e i n s p i r i n gl i g h t ，t h er e c o n s t r u c t i o no ft h em i c r o s c o p ef o rt h eu s eo ff l u o r e s c e n c ea n d b l a c k - w h i t ei m a g i n gc a p t u r ea n dm i c r o g r a p hs c r e e n i n gb yc c d o rd i g i t a lc a m e r aa n d i t st r a n s m i s s i o n t h es o f t w a r ei n e l u d e ss i xp a r t s ：i m a g ec a p t u r e ，i m a g ep r e p r o c e s s i n g ， c h a r a c t e ra c q u i r i n ga n da n a l y z i n g ，d a t a b a s es e t t i n ga n ds o r t i n gm e t h o dr e s e a r c h f i r s t l y , w ed e s i g nc o n t r o ls y s t e ma c c o r d i n gt ot h ec h a r a c t e ro f t h ea l g a et oa c q u i r et h e m i c r op h o t o t h e nw ee r a s et h en o i s ea n de n h a n c et h eq u a l i t yo ft h ei m a g eb e f o r e 也e a u t o m a t i ct h r e s h o l ds e g m e n t a t i o na n dm a t h e m a t i cm o r p h o l o g i cp r o c e s s i o n a f t e rt h a t ， w ea c q u i r e1 5c h a r a c t e r so f t h eh a r m f u la l g a e ，i n c l u d i n gc h a r a c t e r so f t e x t u r e ，s h a p e ， a n db l a c k w h i t ev a l u e i na d d i t i o n ，w ep r o p o s e dt w o s t e pa n a l y s i sm e t h o dt os a v e t i m ea n de n h a n c ee 伍c i e n c yo ft h ea n a l y s i s f i n a l l y , w es e tu pa ni m a g ed a t a b a s et o r e c o r dt h em e t h o d st h a tu s e di nt h ep r o c e s s i o no f h a r m f u la l g a ei m a g ea n dt h es p e c i f i c f e a t u r e so b t a i n e df r o mt h ea n a l y s i s w eh a v et a k e ne x p e r i m e n to ns i xt y p i c a lh a r m f u la l g a eu s i n go u rs y s t e m t h o s e a l g a ea r eg y m n o d i n i u ms t e i n ，s a l i n ea l g a e ，n o c t i l u e as c i e n t i l l a n s ，h e t e r o s i g r n a a k a s h i w o ，c o s c i n o d i s e u sg i g a se h r e n b e r ga n dp ra l g a e t h er e s u l ts h o w st h a ti ti s p o s s i b l ef o rt h ea u t o m a t i cs o r t i n ga n dc o u n t i n go f c e r t a i nk i n d so f a l g a e ， k e y w o r d s ：r e dt i d e ，i m a g ea n a l y s i s ，d o u b l e s p e c t r u mm e t h o d ，m i c r o s c o p ei m a g i n g 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得 的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经 发表或撰写过的研究成果，也不包含为获得鑫洼盘堂或其他教育机构的学 位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已 在论文中作了明确的说明并表示了谢意。 学位论文作者签名：昔i 王之签字日期：，年2 月u 日 学位论文版权使用授权书 本学位论文作者完全了解吞洼盘堂有关保留、使用学位论文的规定。 特授权蔓蔓盘鲎可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学 校向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：漕i 工之 签字日期：1 衅2 月“日 导师签名：之 签字日期j 跏厂年，月r 日 第一章绪论 1 1 赤潮及其危害 第一章绪论 赤潮是在特定的环境条件下，海水中某些浮游植物、原生动物或细菌爆发 性增殖或高度聚集而引起水体变色的一种有害生态现象。赤潮是一个历史沿用 名，它并不一定都是红色，实际上是许多赤潮的统称。赤潮发生的原因、种类、 和数量的不同，水体会呈现不同的颜色，有红颜色或砖红颜色、绿色、黄色、 棕色等。值得指出的是，某些赤潮生物( 如膝沟藻、裸甲藻、梨甲藻等) 引起 赤潮有时并不引起海水呈现任何特别的颜色。 随着现代化工农业生产的迅猛发展，沿海地区人口的增多，大量工农业废 水和生活污水排入海洋，其中相当部分未经处理就直接排入海洋，导致近海、 港湾富营养化程度日趋严重。同时，由于沿海开发程度的增高和海水养殖业的 扩大，也带来了海洋生态环境和养殖业自身污染问题；海运业的发展导致外来 有害赤潮种类的引入；全球气候的变化也导致了赤潮的频繁发生。 目前，赤潮已成为一种世界性的公害，美国、日本、中国、加拿大、法国、 瑞典、挪威、菲律宾、印度、印度尼西亚、马来西亚、韩国、香港等3 0 多个国 家和地区赤潮发生都很频繁。 首先，赤潮的发生，破坏了海洋的正常生态结构，因此也破坏了海洋中的 正常生产过程，从而威胁海洋生物的生存。 其次，有些赤潮生物会分泌出粘波，粘在鱼、虾、贝等生物的鳃上，妨碍 呼吸，导致窒息死亡。含有毒素的赤潮生物被海洋生物摄食后能引起中毒死亡。 人类食用含有毒素的海产品，也会造成类似的后果。 再次是大量赤潮生物死亡后，在尸骸的分解过程中要大量消耗海水中的溶 解氧，造成缺氧环境，引起虾、贝类的大量死亡。 1 2 赤潮的预测 赤潮监测是赤潮管理的重要环节，通过监测，不仅可以掌握赤潮发生的规 律、了解赤潮形成的条件及赤潮藻类的毒素情况，提供必要的海洋环境及人类 生活数据，而且是赤潮预测、预报及减灾的依据。 目前我国尚无统一的赤潮监测规范，还没有将赤潮监测业务化，尤其缺乏 对有害藻类赤潮发生时的应急监测。2 0 0 1 年国家海洋局决定突破海洋环境监测 第一章绪论 传感器、仪器平台、系统集成等方面的关键技术，建设2 3 个国家级重点实验 室和工程中心，初步形成中国近海的海洋环境立体监测业务系统，与国际g o o s 系统接轨，提高国产监测设备的市场竞争能力，使我国的海洋环境立体监测技 术总体水平达到国际9 0 年代的先进水平。 如能成功预报赤潮，及时对养殖区的鱼、贝类采取措施，将避免重大经济 损失。保护海洋生态系统，保证沿海地区经济和社会的稳定发展。但由于赤潮 的发生不是单纯的生态学问题，而是在海洋动力环境条件控制下的生态学问题， 因而赤潮发生的机理十分复杂，较难得出一个普遍适用的规律性结论。在机理 不清楚的条件下，预报工作进展更加艰难。目前人们从理论上提出了一些预报 方法及模式：1 ) 环境因子经验预测法如王正方等提出的溶解氧预测法、矫晓阳 提出的透明度预测法；2 ) 统计预测；3 ) 人工神经网络预报；4 ) 遥感预测；5 ) 建 立赤潮生态模型等多种方法。 2 1 世纪初中国海洋科技发展目标之一是以渤海和东海赤潮多发区为试验海 区，发展赤潮卫星遥感跟踪预报、统计预报及数值预报技术，开创赤潮试预报。 1 3 赤潮的治理与防治 为了减少赤潮发生的频率，减小赤潮发生时的损失，人们在探索多种方法 来预防和控制赤潮。在赤潮发生区喷洒絮凝剂如粘土，使赤潮生物粘在一起。 沉降到海底或喷洒化学药品( 如过氧化氢、臭氧、c u s o 。等) 可直接杀死赤潮生物。 s a t o s h it a k e d a 等以贻贝作为赤潮生物的克星生物而建立一种新的赤潮控制系 统。日本石尾教授发现“孤菌性藻浸染物”能直接杀死赤潮生物。此外还有把 含有赤潮的海水吸到船上过滤，用围栏把赤潮发生区围隔起来等多种方法。 在各种治理方法中，喷洒粘土法是一种比较成熟的方法。在实验室和现场 取得了很好的结果，此法己被中国、日本、韩国、美国等国家采用，并且不断 改进。但该法不适用大规模、高密度的赤潮，另外对粘土类型、喷洒方法、费 用等方面也需要考虑。向海水中添加化学物质来控制赤潮，仍处于实验阶段且 需要慎重，因为这要考虑化学品的残留及其对环境的影响。生物治理法如 人工栽培的大型海藻具有极高的生物生产力，在快速生长的同时他们能够从周 围环境中大量吸收氯、磷和二氧化碳，同时大量释放氧气，这样他们在降低局 部海域的富营养化方面起到极好的作用。如果此项技术得到应用，将是一种比 物理治理法和化学治理法更优越的方法。 今后研究的重点主要体现在以下几个方面b 】：1 ) 压舱水对赤潮生物传播的 影响以及其它的扩散途径：2 ) 营养盐和毒素水平的相关性；3 ) 赤潮信息管理系 统及数据挖掘技术在赤潮预报中的应用研究：4 ) 麻痹性贝毒受体结合检测法的 弗一章绪论 建立与应用；5 ) 有害赤潮藻的快速鉴别和计数技术研究；6 ) 主要赤潮频发区富 营养化和有害赤潮研究：7 ) 有害藻的致毒机制及毒素分类：8 ) 赤潮灾害卫星遥 感业务化监测；9 ) 赤潮藻的培养生物学和分类学研究：1 0 ) 赤潮藻类的营养动力 学及生理生态学特性研究：11 ) 赤潮防治的研究：1 2 ) 赤潮藻类的生活史的研究； 13 ) 赤潮藻类毒素的研究；1 4 ) 赤潮生消过程和统计模型研究。 1 4 应用显微图像分析方法预报赤潮的发展和现状 目前国内外对海水中赤潮浮游生物的光学测量，主要有两类方法：一是显微 镜分析法，通过实验室或“围隔”生物培养优势赤潮藻，利用显微镜，采样分 析。目前已建立了多种有害赤潮藻的显微图谱。但是，直接应用这种图谱识别 现场水体中的赤潮藻还存在很大的困难，因为，现场海水中的赤潮藻是与悬浮 沙等多种悬浮物混合在一起，尤其沿岸河口和海湾海水中有大量泥沙，对现场测 量带来很大困难。研究直接从现场海水中获得显微图的赤潮浮游生物综合测量 系统与分析技术，目前，国内外均未见有关报道和专利。另一类是通过测量海 水的吸收、散射和荧光特性来完成。近年来出现了一系列该类现场光学仪器， 其代表仪器有：美国国家基金会资助研制的叶绿素吸收测量装置：d z a n e v e l d 博士领导的俄勒冈大学海洋光学研制组与西部环境技术实验室( w e t ) 合作，研 制的六波长吸收系数测量仪，该仪器是在w e t 三波长叶绿素a 吸收测量仪基础 上开发出来的，它可以测量6 7 6 n m 、6 5 0 h m 和7 1 5 n m 的光吸收特性，该仪器能测 量叶绿素吸收的绝对值，其分辨率等于或好于标准荧光计；w e t 为美国海洋研 究实验室制造的a c 一9 九波段吸收系数测量仪，采样速率为每秒8 次。它采用双 通道结构。 尽管显微镜分析法，可直观、精确地判定浮游生物的种类、准确的测量赤 潮藻个数，但没有现场仪器，而且利用生物显微镜观测海水样品，对赤潮优势 藻种人工分类和计数，是目前分析有毒赤潮藻种类和数量的主要手段。但是这 种方法十分原始、落后，人为因素影响大，效率和精度低。而第二类方法，可 用于现场浮游生物种类和浓度测量，缺点是数据反演困难，工作环境受水质限 制( 光深 0 3 ) 。 然而图像处理与分析技术的发展，为研制基于图像处理技术的有害赤潮优 势藻自动分析系统提供了可能。自2 0 世纪7 0 年代末以来，由于数字技术和微 机技术迅速发展给数字图像提供了先进的技术手段，图像科学也就从信息处理、 自动控制系统理论、计算机科学、数据通讯等学科中脱颖而出，成长为旨在研 究图像信息的获取、传输、存储、变换、显示、理解与综合利用的崭新学科。 随着图像科学各基本理论的发展，具有数据量大、运算速度快、算法严密、 第一章绪论 建立与应用；5 ) 有害赤潮藻的快速鉴别和计数技术研究：6 ) 主要赤潮频发区富 营养化和有害赤潮研究；7 ) 有害藻的致毒机制及毒素分类 8 ) 赤潮灾害卫星遥 感业务化监测；9 ) 赤潮藻的培养生物学和分类学研究；l 0 ) 赤潮藻类的营养动力 学及生理生态学特性研究；儿) 赤潮防治的研究：1 2 ) 赤潮藻类的生活史的研究； 1 3 ) 赤潮藻类毒素的研究；1 4 ) 赤潮生消过程和统计模型研究。 1 4 应用显微图像分析方法预报赤潮的发展和现状 目前国内外对海水中赤潮浮游生物f l 勺光学测量，主要有两类方法：一是显微 镜分析法，通过实验室或“围隔”生物培养优势赤潮藻，利用显微镜，采样分 析。目前已建立了多种有害赤潮藻的显微图谱。但是，直接应用这种图谱识别 现场水体中的赤潮藻还存在很大的困难，因为，现场海水中的赤潮藻是与悬浮 沙等多种悬浮物混舍在一起，尤其沿岸河口和海湾海水中有大量泥沙对现场测 量带来很大困难。研究直接从现场海水中获得显微图的赤潮浮游生物综合测量 系统与分析技术，目前，国内外均未见有关报道和专利；另一类是通过测量海 水的吸收、散射和荧光特性来完成。近年来出现了一系列该类现场光学仪器， 其代表仪器有：美国国家基金会资助研制的叶绿素吸收测量装置；d z a n e v e l d 博士领导的俄勒冈大学海洋光学研制组与西部环境技术实验室( w e t ) 合作，研 制的六波长吸收系数测量仪，该仪器是在w e t 三波长叶绿素a 吸收测量仪基础 上开笈出来的，它可以测量6 7 6 n m 、6 5 0 n m 和7 1 5 n m 的光吸收特性，该仪器能测 量叶绿素吸收的绝对值，其分辨率等于或好于标准荧光计；w e t 为美国海洋研 究实验室制造的a c 一9 九波段吸收系数测量仪，采样速率为每秒8 次。它采用双 通道结构。 尽管显微镜分析法，可直观、精确地判定浮游生物的种类、准确的测量赤 潮藻个数，但没有现场仪器，而且利用生物显微镜观测海水样品，对赤潮优势 藻种人工分类和计数是目前分析有毒赤潮藻种类和数量的主要手段。但是这 种方法十分原始、落后，人为因素影响大，效率和精度低。而第二类方法，可 用于现场浮游生物种类和浓度铡量，缺点是数据反演困难，工作环境受水质限 制( 光深 ( 4 - 1 1 ) ( g l 厂( x ，y ) j - 0 ，结合上式，所以有 f 沏，竹) 】，。：= 【厂，g ( m ，”) 】= f ( 0 ，0 ) f ( 0 ，n 一1 ) f ( 1 ，o ) f ( 1 ，n 1 ) g ( o ，0 ) g ( o ，n - 1 ) g ( 1 ，0 ) g ( 1 ，n - 1 ) f ( n - 1 ，n - 1 ) g ( 一1 ，n 一1 ) 因此邻域平均灰度g ( m ，n ) 与图像f ( n l ，n ) 具有同样的灰度变化范围，即有 ( 5 5 ) 0 g ( m ，n ) 蔓g ( m n ) z ( 5 7 ) 对于任意图像f ( m ，n ) ，可以用矩阵陋( 研，n ) 】以：= 【厂( 川，z ) ，g ( m ，刀) 】表示，即 对于一m x m 的图像f ( m ，1 3 ) ，当采用 f ( m ，n ) ，g ( m ，n ) 的向量表示方式时，定义 并计算它的二维直方图。该二维直方图定义在一个l l 大小的正方形区域，其 横坐标表示图像像元的灰度值，纵坐标表示像元的邻域平均灰度。直方图任意 第五图像分割 一点的值定义为p 。它表示向量( i ，j ) 发生的频率，那么向量( i ，j ) 发生的频 率p ，。由下式确定 uj j 岛2 m x m 其中o i ，j 0 x w i g ( x ) g j ( x ) 对于一切j f 时都成立，则将x 归为心类。 由于贝叶斯分类器要求各类别总体的概率分布是己知的，所以不适合应用 于本课题，因为在本课题中，各类海藻的分布是随机的，无法事先知道各类海藻 的总体概率分布。 8 3 3 人工神经网络分类器 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 是模仿生物神经网络功 能的一种经验模型。生物神经元受到传入的刺激，其反应又从输出端传到相联的 其它神经元，输入和输出之间的变换关系一般是非线性的。神经网络是由若干简 单( 通常是自适应的) 元件及其层次组织，以大规模并行连接方式构造而成的网 络，按照生物神经网络类似的方式处理输入的信息。模仿生物神经网络而建立的 人工神经网络，对输入信号有功能强大的反应和处理能力。因此，人工神经网络 作为经验模型的一种，在生产、研究和开发中得到了越来越多的应用】。 b p 神经网络( 或误差逆传播神经网络( b a c k p r o p a g a t i o nn e u r a ln e t w o r k ) ) 是最常见的神经网络，在一般情况下，b p 神经网络的结构是由三个部分组成， 第八章模式识别与分类器设计 一个输入层，一个隐含层( 有时是两个或更多) ，一个输出层组成。图8 2 为b p 神经网络的结构图： 图8 - 2b p 神经网络结构图 b p 嘲络训练具体过程如下： 1 将输入层、隐含层和输出层神经元之间的连接权w 扑脚以及神经元阈值口i 、 y ，赋予( 1 ，1 ) 间的随机值；并指定学习系数口、以及神经元的激励函数。 2 - 随机选取一个输入输出数据组：x 1 巳0 1 k , 靶。，k ) 、z k 白。，忍k ，k ) ， 提交给网络。 3 用网络的设置计算隐含层各神经元的输出k j 驴芝峋一巳 l i = ：1 厂( 。，) 4 用网络的设置计算输出层神经元的响应c 5 利用给定的输出数据计算输出层神经元的一般化误差毋 衫= ( z ；一口) ，( 甜，) 6 计算隐含层各神经元的一般化误差矿 ( 8 - 1 0 ) ( 8 1 1 ) ( 8 一1 2 ) 一、， 乃如 厂芝拳 ，、 、 第八章模式识别与分类器设计 。；：f 妻。d j k ；) l ，；1j ( 8 - 1 3 ) 7 利用输出层神经元的一般化误差钟，隐含层各神经元输出y 。，修正隐含层与 输出层的连接权重坳和神经元阈值”： j a v = 耐；y ；，( o 口 1 ) 【a y ，= 一叫 ( 8 一1 4 ) 8 利用隐含层神经元的一般化误差e j 。、输入层各神经元输入x k ，修正输入层与 隐含层的连接权重w 和神经元阈值吼： ( o 1 ) ( 8 1 5 ) 9 随机选取另一个输入一输出数据组，返回( 3 ) 进行学习；重复利用全部数据 组进行学习。这是网络利用样本集完成一次学习过程。 l o 重复下次学习过程，直至网络全局误差小于设定值，或学习次数达到设定 次数为止。 1 1 对经过训练的网络进行性能测试，检查其是否符合要求。 上述步骤中的( 3 ) ( 4 ) 是正向传播过程，( 5 ) 至( 8 ) 是误差逆向传播过程， 在反复的训练和修正中，神经网络最后收敛到能正确反映客观过程的权重因子数 值。激励函数通常选用s i g m o i d 函数或双曲正切函数。 结合本课题实际，设计自己的b p 神经网络，初步设想如下：输入层的神经 元个数为提取的海藻特征数，隐含层的神经元数待定，应该在实际的训练过程中 根据神经网络的精度和训练时问的长短进行综合考虑而进行选择，输出层的个数 为要识别的海藻的种类数，激励函数厂选择s i g m o i d 函数。在本课题中，要求 能够识别六种海藻，以如下六种海藻为例进行说明，分别是圆狮藻、异湾藻、裸 甲藻、盐藻、夜光藻、p r 藻。首先要分别提取每一种海藻的一些特征，已经提 取了如下一些特征：周长、面积、圆度、矩形度、不变矩m o 、不变矩m l 、不变 矩m 2 、不变矩j 1 6 3 、不变矩m 4 、不变矩m 5 、不变矩m 6 、反差、能量、相关和熵 总共1 5 种特征。可以选择上述特征中的一些主要特征组成输入向量 盼喇 = 1 1 巳 第八章模式识别与分类器设计 x 2 = ( x ? ，x ! ，) ，输出向量分别为z ? = ( 1 ，o ，o ，o ，o ，o ) ，代表圆狮藻： z ：= ( o ，1 ，o ，o ，o ，o ) ，代表异湾藻：z ；= ( o ，0 ，1 ，0 ，0 ，o ) ，代表裸甲藻； z ：= ( o ，0 ，0 ，1 ，0 ，o ) ，代表盐藻；z ；= ( o ，0 ，0 ，o ，1 ，o ) ，代表夜光藻； 露= ( o ，0 ，0 ，0 ，0 ，1 ) ，代表p r 藻。对于每种藻，都要选定定数量的输入样 本根据上面所述的步骤进行训练，直到最终得到个较为满意的结果。实验证明， 最终的训练结果依赖于样本的质量和数量，样本数量越大，质量越高所得到的 b p 网络分类器效果越好。 8 4 小结 本章主要介绍了模式和模式识别概念及模式识别系统的组成，并给出了三种 常见的分类器设计方法。但无论是哪种分类器，都需要有样本进行训练，而这些 样本不仅要有一定的数量，还要有既定的特征以及对特征的定量描述。对于这些 特征的提取与描述正是本课题的重点，在对有害赤潮藻的特征提取和分析的基础 上，将来可以设计适用于其特征的分类器，从而最终实现自动模式分析与识别系 统。 第九章总结与展望 第九章总结与展望 本课题属于国家8 6 3 计划课题。该课题工作重点分为三部分，第一部分是 设计荧光辅助海藻识别系统的硬件，第二部分是培养海藻藻种，测量其光学和 形态学特征，并在此基础上进行荧光实验，第三部分是设计与调试海藻显微图 像分析软件。这三部分是一个有机整体，现阶段已经实现了六种藻的荧光实验 和图像识别及建库工作，并成功申请实用新型和发明专利各一项，超额完成了 预期计划任务。 在系统硬件上，现阶段已完成了系统在实验室条件下的显微图像采集，包 括荧光图和灰度图像在同一视场下的图像采集，为荧光实验和后继的图像处理 提供了实验基础。但现阶段采集系统的调整仍以手动调节为主，而课题以研究 赤潮藻自动分析仪为最终目标，所以荧光显微采集机构还有待实现自动控制， 包括光源的切换，目境和物境的切换，视场的调整等。另外，现在荧光激发光 的产生采用的是高亮白光光源经滤色片滤波得到，效率很低，产生的光强度不 高，如果用于小视场其亮度的提高将受到限制。而且其波段调整依赖于滤色片 的选取，转换不灵活。如果采用单色激光作为激发光源，其强度的选择与波段 的调整将更加灵活方便。 在对十几种藻的光学特征进行测量的基础上重点对六种藻做了荧光实验， 实验证明荧光图像可以有效的去除背景噪声，为后继图像处理提供清晰的位置 信息，再结合灰度图像所提供的海藻的轮廓和纹理信息，从而使得从复杂的背 景噪声中对海藻进行识别和计数简单有效。这是本文荧光法的个重要应用。 如果处理对象已知，可以用不含背景噪声的灰度图像获取处理对象的轮廓和纹 理特征，并建立图像特征信息库，然后用荧光图像结合这些信息进行识别。并 且可以进一步探索藻类中除叶绿素a 外，其它色素或荧光物质，根据各种藻荧 光特性差异为藻种鉴别提供有用信息。此外，在现有的软硬件基础上还可以对 更多的藻种进行光学与形态的测量，从而从方法和量上对荧光法进行完善。 海藻显微图像分析软件的设计与调试是本课题的重点与核心。无论是荧光 图还是灰度图，其分析的实现与质量都取决于分析软件的质量。在本文中，通 过在v c 平台下自行开发的软件，对图像增强，图像分割，特征提取和特征分析， 以及数据库的建立与分类器的设计都进行了探索和尝试，找出了适合海藻显微 图像分析的一神方法，并在此基础上实现了6 种藻的图像识别和建库工作，识 别率大于课题的要求( 8 0 ) 。此外，本图像处理软件还实现了图像处理的般常 第九章总结与展望 用功能，如几何变换，灰度变换，文件类型变换，图像采集控制与实时显示等 功能，集成了一些常用的图像处理算法，为课题的顺利开展提供了强有力的软 件基础。当然，该软件还有很多需进一步完善的地方。一是图像的预处理，可 以寻求更好的算法提高图像质量，这对后继的图像分割将会有很大的帮助，进 而提高特征提取与分析的质量，改善识别效率。二是分割算法的改进。目前对 6 种藻主要采用了两种分割算法，一是s o b e l 梯度分割，一是二维最大熵法分 割，但这两种方法不一定适用于所有的藻，如果想对多种藻类实现有效分割， 还需探索更多的分割算法。三是数据库的完备。数据库是系统的成果体现，其 完善不仅依赖于软硬件的改善，而且依赖于实验的量。实验的标本越多，实验 结果越准确。现有的数据是对6 种藻各有十几到几十个图片的数据进行实验得 到的，还远不能保证准确度，但提供了方法和途径。最后在整个算法逐步完善 的基础上，应建立完整有效的模式识别系统，从而实现自动的图像处理与分析。 总之，现在阶段所完成的软硬件为整个荧光辅助海藻显微图像分析系统的 完成提供了良好的基础，保证了今后工作的顺利开展。 参考文献 参考文献 1 张建辉，夏新，刘雪芹等，赤潮研究的展望与现状，中国环境监测，2 0 0 2 ， 1 8 ( 2 ) ：2 0 2 6 2 】王晓红，赵荣椿，矩技术在计算机图像学中的应用综述，中国体视学与图像 分析，2 0 0 2 ，7 ( i ) ：5 3 5 7 3 】s ev o k o v ae ta l ，m e t h o d sf o ra n a l y z i n gt h ei m a g e so f b l o o dp r e p a r a t i o n s o p t i c s & l a s e rt e c h n o l o g y , 1 9 9 5 ，2 7 ( 4 ) ：2 5 5 2 6 1 4 杨晓敏，罗立民，白细胞图像的计算机自动分害4 一白细胞的自动分类研究， 北京生物医学工程，1 9 9 1 ，1 0 ( 4 ) ：2 1 4 2 2 0 5 】杨晓敏，罗立民，白细胞自动分类中的特征提取和分析，北京生物医学工程， 1 9 9 2 ，1 1 ( 4 ) ：2 1 4 2 2 0 6 杨晓敏，罗立民，白细胞自动分类中的纹理分析方法研究，中国生物医学工 程学报，1 9 9 3 ，1 2 ( 2 ) ：1 2 4 1 2 9 7 杨晓敏，罗立民，微机上实现血液白细胞的自动分类，模式识别与人工智能， 1 9 9 3 。6 ( 2 ) ：1 7 1 1 7 4 8 】杨晓敏，罗立民，韦钰，人体白细胞自动分类方法与系统实现，计算机学报， 1 9 9 4 ，1 7 ( 2 ) ：1 3 0 1 3 6 9 】杨晓敏，罗立民，韦钰，血液白细胞计算机分类中的特征提取研究，应用科 学学报，1 9 9 4 ，1 2 ( 2 ) ：1 2 肌1 2 6 1 0 1 杨晓敏，罗立民，韦钰，血液自细胞图象的计算机自动分割方法研究，中 国生物医学工程学报，1 9 9 5 ，1 4 ( 1 ) ：4 5 5 0 1 l 】张勇等，白细胞显微图像的区域分形特征分析，西安交通大学学报，1 9 9 9 ， 3 3 ( 1 0 ) ：6 0 6 3 1 2 张勇，张强，虞烈，真彩色血液白细胞显微图像自动识别系统研究，西安 交通大学学报，1 9 9 9 ，3 2 ( 2 ) ：1 0 7 1 0 8 1 3 】陆新泉，李宁，陈世福，形态、颜色特征及神经网络在肺癌细胞识别中的 应用研究，计算机辅助设计及图形学学报，2 0 0 3 ，1 3 ( 1 ) ：8 7 9 2 【1 4 】o t h e o d o r o p o u l o se ta 1 ad i g i t a li m a g ea n a l y s i sa n dn e u r a ln e t w o r kb a s e d s y s t e mf o r i d e n t i f i c a t i o no ft l l i r d - s t a g ep a r a s i t i cs t r o n g y l el a r v a ef r o md o m e s t i c a n i m a l s c o m p u t e rm e t h o d sa n dp r o g r a m si nb i o m e d i c i n e ，2 0 0 0 ，6 2 ( 2 ) ：6 9 - 7 6 15 】s t e f a nt h i e l e ta 1 a u t o m a t e do b j e c tr e c o g n i t i o no fb l u e - g r e e n a l g a ef o r 参考文献 m e a s u r i n gw a t e rq u a l i t y ap r e l i m i n a r ys t u d yw a tr e s 1 9 9 5 2 9 ( 1 0 ) ：2 3 9 8 2 4 0 4 16 】s t e f a nt h i e le ta 1 t h ea u t o m a t e dd e t e c t i o no fc y a n o b a c t e f i au s i n gd i g i t a li m a g e p r o c e s s i n gt e c h n i q u e s e n v i r o n m e n ti n t e m a t i o n a l 1 9 9 5 2 1 ( 2 ) ：2 3 3 - 2 3 6 【1 7 】缪锦来，石红旗，李光友等，赤潮灾害的发展趋势、防治技术及其研究进 展， 安全与环境学报，2 0 0 2 ，2 ( 3 ) ：4 0 4 4 【18 】c a s t l e m a n ，k r d i g i t a li m a g ep r o c e s s i n g b e i j i n g ：p r e n t i c e h a l la n dt s i n g h u a u n i v e r s i t yp r e s s 1 9 9 6 ，4 4 7 - 4 4 8 【1 9 】夏达英等荧光技术在海洋环境学上的应用研究海洋学报，1 9 9 9 0 5 ，第2l 卷， 第3 期：6 6 - 7 2 【2 0 】k a i t a l a , s ，e t c f l u o r e s c e n ta n a l y s i so f p i g m e n tc o m p o s i t i o no f n a t u r a l p h y t o p l a n k t o n ，c e a n o g r a p h i el i t e r a t u r er e v i e w , s e p t e m b e r , 19 9 5 ，v o l ：4 2 ，i s s u e ：9 ， p a g e ：4 7 - 5 3 2 1 王新城高级图象处理第一版，北京：中国科学技术出版社，2 0 0 0 2 2 u c h i d e h a m a o t s u f l u o r e s c e n c e - a s s i s t e d i m a g ea n a l y s i s o ff r e s h w a t e r m i c r o a l g a e ，j o u r n a lo f m i c r o b i o l o g i c a lm e t h o d s ，2 0 0 2 ，v o l ：5 1 ，p a g e ：1 4 9 - 1 6 2 2 3 贾云得，机器视觉，北京：科学出版社，2 0 0 0 ，8 2 - - 9 4 2 4 郑南宁，计算机视觉与模式识别，北京：国防工业出版社，1 9 9 8 ，8 0 8 4 2 5 章每晋，图像工程( 上) 图像处理和分析，清华大学出版社，2 0 0 0 ，5 4 6 0 2 6 章每晋，图像工程( 下) 图像理解与计算机视觉，清华大学出版社，2 0 0 0 ， 2 5 3 0 2 7 】何斌等，v i s u a lc + + 数字图像处理，北京：人民邮电出版社，2 0 0 1 ，4 3 5 4 4 4 2 8 】杨枝灵，王开等，v i s u a lc + + 数字图像获取、处理及实践应用，北京：人 民邮电出版社，2 0 0 2 ，4 7 5 4 8 1 2 9 f u r h tb ，e ta 1 1 9 9 5 v i d e oa n di m a g ep r o c e s s i n gi nm u l t i m e d i as y s t e m s k l u w e r a c a d e m i cp u b l i s h e r s ，2 2 6 2 7 0 3 0 】p r a s a r m as a h o oe ta l ，t h r e s h o l ds e l e c t i o nu s i n gr e n y i se n t r o p y , p a t t e r n r e c o g n i t i o n ，1 9 9 7 ，3 0 ( 1 ) ：7 1 8 4 【31 】b b a n j a n i ne ta l ，e n t r o p y - t h r e s h o l dm e t h o df o rb e s tb a s i ss e l e c t i o n ，i m a g ea n d