藻类浮游生物是海洋中重要的初级生产者,是海洋动物直接或间接的饵料。此外,藻类浮游生物还能富集污染物质,所以研究藻类浮游生物在海洋渔业以及海洋环境保护等方面具有重大意义。在传统的藻类研究中,显微观测、形状分析以及计数统计等是最基本和最常用的手段。这些方法主要靠人工操作,具有劳动强度大、效率低、容易出错及数据不易保存和处理的缺点。在计算机技术和数字图像处理技术迅速发展的今天,利用图像处理技术实现藻类细胞的自动识别分类与分析是今后藻类研究的发展趋势。然而,由于藻类细胞复杂多样且内部纹理极其复杂,传统的图像分割算法对藻类图像分割难以取得满意的效果。本文主要研究硅藻门藻类细胞的图像分割以及特征提取,并针对硅藻门藻类细胞的特点提出了具体的解决方法,为后续的分类识别提供了一定的理论依据。首先,本文介绍了浮游藻类研究的重要意义以及国内外藻类分析识别技术的研究发展现状,对各种方法进行了分析和比较,总结了各方法的性能优缺点及存在的问题。还介绍了国内外图像处理技术在浮游藻类识别分类方面的研究概况,并分析了其存在的问题。针对硅藻门藻类细胞本身具有复杂的自然属性和结构的特点,传统图像分割方法有着难以克服的缺陷。本文经过研究各种图像分割方法及实验对比,提出了基于C-V模型的图像分割方法对硅藻门藻类细胞图像进行分割,取得了很好的效果。实验结果也证明了该方法的实用性和有效性。然后,在图像分割的基础上,本文对硅藻门藻类细胞图像在形状、颜色、纹理三个方面进行了特征提取。在形状特征方面,本文提取了矩形度、弧形度、曲率等几何特征;在颜色特征方面,本文采用颜色直方图的方法对硅藻细胞图像进行颜色特征提取,并进行相似度计算;在纹理特征方面,本文采用灰度共生矩阵来提取硅藻细胞图像的纹理。最后通过大量实验选择有效的特征并进行组合,验证了这些特征提取方法的可行性和有效性。在VC平台下,本文设计开发了具有图像预处理、硅藻细胞图像分割、形状、颜色、纹理特征提取等功能的应用系统软件,实现了高精度、快速的硅藻细胞图像分割和特征提取。