论文部分内容阅读
海洋浮游植物的形态分析和分类鉴定是海洋生物资源调查、赤潮和海洋水质监测、水产养殖、地质勘探、薇藻培养和医药开发的重要基础。海洋浮游植物显微图像的分析与分类鉴定是海洋科学与信息技术的重要交叉研究课题,近几年在全球范围内得到关注并持续发展。由于海洋浮游植物的种类及形态的多样性、显微成像过程的干扰,所研制的海洋浮游植物显微图像自动分析与分类鉴定系统还需持续改进。本文针对海洋浮游植物显微图像的去噪和纹理分析这两个问题,探讨双树复小波理论工具在这两个问题中的应用方法,在具体算法实现过程中采取了若干改进措施,提高了应用有效性。本文的主要工作包括:
1.双树复小波的基础理论与应用适应性分析。小波变换具有多分辨率分析及良好的时频特性,复小波、脊波、曲波、轮廓波、条带波、方向波等新型小波又引入了新的优势特性。本文比较了上述小波变换的平移不变性和方向选择性、滤波器设计及其算法复杂度,分析了双树复小波变换的优良特性和应用适应性,介绍了双树复小波滤波器的构造方法。
2.基于双树复小波的图像去噪算法及实验分析。本文深入研究了双变量局部自适应去噪算法,指出了算法的不足之处,提出了最高尺度高频子带系数MAP半软阈值处理方法,改进了算法的性能。进而,本文将改进后的双变量局部自适应去噪算法与双树复小波相结合,构造了海洋浮游植物显微图像水纹噪声的去噪算法,实验验证了该算法的有效性。
3.基于双树复小波的纹理分析。根据双树复小波变换的特性以及圆形藻类细胞的纹理特性,本文提出了一种双树复小波变换和主成分分析相结合的纹理特征提取方法,基于双树复小波变换高频子带的幅值和相位信息,通过提取高频子带系数的统计特征和共生特征来构造图像的多尺度特征向量,并通过主成分分析降低多尺度特征向量的维数。通过基于懒惰学习策略的κ-近邻分类器实验,结果表明了该特征提取算法能有效表达圆形藻类的纹理特征。