海洋生态系统是一个复杂多变的大系统,特别是在当前海洋经济快速发展的大背景下,海洋生态环境系统发生的变化对人类开发和利用海洋已产生重大影响。海洋浮游生物在生态系统的结构和功能中占有极其重要的位置,其数量变动及空间分布对整个海洋生态系统的功能运转,甚至全球气候变化都会产生重要作用。由于海洋浮游生物品种繁多、形态多种多样,对浮游生物的分类一直是海洋生态环境观测中繁重的工作,因此浮游生物的智能化识别和自动分析方法研究亟待快速发展。目前所报道的浮游生物图像识别方法多是围绕着形态比较规则的实验室培养藻类,涉及既有浮游植物又有浮游动物并包括悬浮颗粒等杂质的识别研究非常有限,尤其是我国目前还尚未见到浮游动物图像的识别研究报道。本文针对当前浮游生物图像分析研究中所存在的不足,总结原有的研究工作,提出了海洋浮游生物活体的图像采集、处理、信息提取、自动识别方法;建立了海洋浮游生物的在线监测示范系统;初步实现了浮游生物的在线监测、自动快速识别和分析的作业流程。本论文根据活体浮游生物显微图像噪声多的特点,提出了基于平稳小波变换的显微图像去噪与增强的方法。结合小波变换多尺度、多分辨率分析和时域局部化与频域局部化等优点,建立了基于小波的噪声抑制方法,满足了图像处理的边缘信息保留能力和稳定性需求。同时,本论文将自适应阈值灰度分割,数学形态学运算和Canny边缘检测算子等方法进行有机结合,设计了一种实用的浮游生物目标分割算法。在浮游生物自动识别方案设计中,本论文以基于轮廓的全局特征和纹理信息为基础,共同构成特征集。同时利用主成分分析进行特征空间的降维,提出了基于支持向量机和人工神经网络的两种识别方案。实验结果表明,两种识别方案在浮游生物识别中都能发挥作用,而支持矢量机在浮游生物图像识别中要优于神经网络,而减少特征中的噪声成分对建立准确、鲁棒、易用的海洋浮游生物图像自动识别系统具有重大作用。本论文还开发了在线流动显微成像监测系统,解决了海洋浮游生物图像自动采集问题,在此基础上提出了浮游生物图像实时处理分析系统模型,建立了一套完整的浮游生物自动识别理论和技术方法,为实际应用系统的开发奠定了基础。