论文部分内容阅读
藻类在监测湖泊、水库和河流等水体的水质状况起着相当重要的作用,它们能够对被监测水体的水质状况提供有用的信息,国内外已广泛应用藻类作为生物监测、评价水质污染程度的重要指标。
在现阶段,数字图像处理、模式识别和人工智能技术已经被广泛应用于生物学领域,并且取得了一些可喜的成果,但是关于藻类识别分类的图像处理系统的报道并不多。因此,借助于现代计算机技术结合生物学家的实践经验,采用图像处理技术对藻类细胞图像进行处理,从而对藻类细胞进行识别分类,对水质的监测有着现实的意义和非常广阔的前景。
本文以莱茵衣藻、小球藻和双尖菱板藻为例作为研究对象,在对现有研究技术成果的学习研究基础上,首先对彩色藻类细胞显微图像利用图像处理技术进行图像预处理,其中使用了直方图增强操作、图像锐化操作和图像平滑操作;然后对进行过图像预处理操作后的图像进行图像分割并通过结合数学形态学操作以及种子填充等操作来检出单个藻类细胞,本文根据不同类型藻类细胞表面色调值的差异,提出了基于色调H直方图统计的双阈值图像分割方法,并对分割后的图像结合数学形态学中的一些操作如腐蚀、膨胀、开运算和闭运算等以及种子填充操作检出了完整的单个藻类细胞;接着对检出的藻类细胞进行特征提取,提取出了包括彩色特征、形态特征和纹理特征在内的共45个描述三种藻类细胞特征的参数;最后将提取出的特征参数投入分类器进行识别分类,在本文中,分别采用了BP神经网络法、最小距离监督分类法和贝叶斯决策理论法对藻类细胞进行识别分类,通过比较,选用了识别正确率最高的BP神经网络法。实验结果表明采用的方法和得到的结果是比较合理的,对于水体水质状况的监测和检测具有一定的参考价值和指导意义。