海洋浮游植物既是重要的海洋生物资源,又是赤潮等自然灾难的肇事者。对海洋浮游植物资源的利用与赤潮的监测离不开对海洋浮游植物进行分类和鉴定。目前,海洋浮游植物的分类和定量分析通常都是在显微镜下,靠人工完成的,即耗时又费力,是一种最原始的但也是目前采用的比较有效的方法。如果预先建立了各种浮游植物的特征数据库,研制出一套数据处理软件,就可望通过显微镜扫描系统和计算机等形成一套浮游植物自动识别鉴定系统,这样对于浮游植物种类的鉴定意义重大。本文主要研究海洋浮游植物自动识别系统中图像外轮廓提取和基于形状特征的识别分类。论文首先结合浮游植物图像自身的特点,利用最大面积作为判定依据,对浮游植物图像进行粗定位,并在此基础上,利用PCNN填充算法对图像的内部纹理进行填充,再做外轮廓的提取和分割;其次论文介绍了一些常见形状特征的提取和浮游植物图像的层次分类:首先利用Hausdorff Distance对浮游植物的旋转对称轴数进行判定,从而实现对各大形状类的区分,其次利用各大形状类各自的形状特性,对各大类进行种问区分;此外论文还介绍了基于SVM细分类器的设计,其中介绍了核函数选取,参数选择以及K-折交叉验证。本文的最后对系统的识别效果进行了综合分析,总结了本文工作的创新点,并提出了一些本系统的进一步工作。本文在提取图像的外轮廓时,采用先定位后提取的提取方式;在提取图像的形状特征时,提出了利用旋转对称轴数判定作为浮游植物的的分类依据。