论文部分内容阅读
最新研究表明,污水微生物的种群结构特征能对工艺状况和水质处理效果进行预判。利用图像分析手段对污水系统的生物相结构进行自动识别和定性分析不仅可为污水处理节能优化控制提供依据,而且能够有效地促进微生物检测技术的发展。因此,使用图像处理技术对微生物进行分析具有较高的理论研究与应用价值。本文针对城市生活污水活性污泥处理工艺中检测到的显微视频图像,重点研究了指示性运动微生物自动检测与目标轮廓提取两部分内容。主要工作与特色如下:1.设计一种新的码本背景差分运动目标检测算法。首先,用视频第一帧图像各像素及邻域内随机像素构建背景码本,大大缩短建模时间;其次,在模型中引入新型颜色空间和快速局部方向纹理算子,增强目标对比度和邻域相关性;最后,设计基于统计参数估计的自适应学习速率,实现码本快速有效的更新。实验结果表明,该算法能够有效解决微生物身体形变、复杂背景和多目标干扰以及光照变化等问题。2.设计一种3D自组织映射神经网络运动目标检测算法。首先,设计多层网络拓扑代替传统的单层自组织网络结构,提高运动目标的表征能力。然后,设计新型背景模型初始化与自动更新模式,削弱运动“鬼影”的影响。随后,在神经网络中创建缓存层,解决动态背景和变速运动问题。最后,设计一个常系数卡尔曼滤波器,解决微生物遮挡或丢失问题。实验结果表明,该算法能够有效解决动态背景、微生物变速运动、目标遮挡等问题。3.设计基于边缘检测的微生物轮廓提取算法。首先,使用梯度方向和来初步确定边缘区域,实现对高强噪声的抑制。然后,设计自适应阈值机制,有效提取真实边缘。其次,联合梯度幅值、梯度方向差以及灰度值特征,增加边缘点判别准确性及算法的抗噪性。最后,引入边缘模式,实现边缘合理性连接。较传统基于边缘检测的轮廓提取算法,能够获得更完整和光滑的微生物轮廓。4.设计基于多层SOM神经网络的微生物轮廓提取算法。首先,利用SOM对图像梯度进行聚类,避免了梯度阈值的人工选择。其次,在学习速率中引入匹配次数,避免了样本次序对网络收敛性的影响。最后,根据聚类结果确定网络层数。最终通过网络自组织学习实现污水微生物弱边缘轮廓的自动提取。