專利名稱：基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像自動(dòng)識(shí)別方法，尤其是涉及一種通過(guò)對(duì)微藻顯微圖像進(jìn)行傅里葉變 換操作得到頻譜圖像，通過(guò)頻譜圖像的環(huán)狀采樣和徑向采樣，得到頻譜特征序列；通過(guò)對(duì)待 檢測(cè)藻的頻譜特征序列與頻譜特征序列數(shù)據(jù)庫(kù)的比對(duì)，得到最終分類結(jié)果的方法。
背景技術(shù)：
藻類是一類廣泛分布于各類生境的單細(xì)胞生物，對(duì)生態(tài)系統(tǒng)的平衡起著至關(guān)重要的作用。 它是地球海洋初級(jí)生產(chǎn)力的主要組成部分([l] Mann DG. The species concept in diatoms. Phycologia， 1999,38:437-495)。除此之外，藻類在許多領(lǐng)域都有廣泛的應(yīng)用，如水質(zhì)檢測(cè)([2] Prygiel J, Coste M, Bukowska J. Review of the major diatom-based techniques for the quality assessment of continental surface waters. In: Use of algae for monitoring rivers, Prygiel J,Coste M， Bukowska J.(eds), Agence de l'Eau Artois-Picardie，Douai，F(xiàn)rance. 1998:224-238; [3] Kelly MG. Water quality assessment by algal monitoring. In: The handbook of environmental monitoring, F. Burden, I.Mckelvie, A.Guenther and U.Fo:rstaer (eds),McGraw-Hill, New York)、養(yǎng)殖、石油勘探、 納米技術(shù)([4] Ryan WD, Richard Q Star Trek replicators and diatom nanotechnology [J]. Trends in Biotechnol, 2003， 21:325-328)和赤潮預(yù)報(bào)等，這些應(yīng)用都離不開(kāi)對(duì)藻類的鑒定工作。
目前，藻類的鑒定和定量分析大都是在顯微鏡下，靠人工完成的，需要有較高的分類專 業(yè)技術(shù)水平，既耗時(shí)，又費(fèi)力。國(guó)內(nèi)外都在尋找一種快速識(shí)別方法，以滿足在藻類鑒定上的 需求。
藻類圖像自動(dòng)識(shí)別的一個(gè)不可逾越的環(huán)節(jié)是藻體的輪廓提取。然而傳統(tǒng)的圖像處理方法 無(wú)法對(duì)藻類圖像做有效的處理，首先，顯微圖像的噪聲點(diǎn)較多，傳統(tǒng)的檢測(cè)邊緣的模板，如 Prewitt， Roberts, Sobel，受噪聲影響大而灰度閾值分割又受顯微圖像光源很大的影響，顯 微圖像常見(jiàn)的照明光源的方向性問(wèn)題也容易產(chǎn)生光照不平衡的效果，使該方法的分割成功率 也無(wú)法滿足要求；此外，大型雜質(zhì)如水泡的存在使得分割后續(xù)處理步驟無(wú)法實(shí)現(xiàn)智能化?；?于藻類圖像特征的自動(dòng)識(shí)別技術(shù)擁有方便、穩(wěn)定、直觀等特點(diǎn)，逐漸成為國(guó)內(nèi)外的一個(gè)研究執(zhí)占。
由于相當(dāng)大一部分微型藻類擁有各異的輪廓特點(diǎn)，目前，人們對(duì)藻類的自動(dòng)識(shí)別技術(shù)主要集中在根據(jù)藻類外形輪廓特征進(jìn)行分類，在藻類圖像各類特征中，輪廓特征是一種最直觀、 最易于被接受的藻類識(shí)別方法。然而，在與人類生產(chǎn)生活更密切相關(guān)的浮游類型藻類中，外 形輪廓為圓形的藻類占的比重非常大，如硅藻的中心綱，其大部分種類都具有圓形外形，對(duì) 于該類型的微藻，僅通過(guò)外形特征進(jìn)行分類顯然不可能，只能通過(guò)藻體的紋理特點(diǎn)進(jìn)行分類 判斷。
發(fā)明人通過(guò)大量的文獻(xiàn)檢索表明，雖然在一些藻類圖像自動(dòng)識(shí)別系統(tǒng)中使用了紋理特征 提高藻類識(shí)別的正確率，然而，國(guó)際上對(duì)藻類的紋理特征的識(shí)別主要集中在非圓形硅藻上(如 歐洲的ADIAC工程)，對(duì)圓形藻類基于紋理的自動(dòng)識(shí)別方法還未見(jiàn)報(bào)道。就硅藻而言，其非 圓形硅藻(主要是羽紋綱)與圓形硅藻(主要是中心綱)其分屬不同大類，其殼面紋理的組 成特點(diǎn)也有很大差異，非圓形藻類的紋理識(shí)別技術(shù)對(duì)圓形藻類而言并不適用。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種具有較高識(shí)別率的基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法。 本發(fā)明包括以下步驟
1 )用顯微鏡及圖像采集設(shè)備建立高清晰度原始微藻圖像數(shù)據(jù)庫(kù)并裝入計(jì)算機(jī)；
2) 通過(guò)采用分割手段，提取目標(biāo)微藻的藻體所在區(qū)域并生成256色的純?cè)孱悎D像A;
3) 對(duì)純?cè)孱悎D像A進(jìn)行傅里葉變換操作，得頻譜圖像B;
4) 以0丌始，每隔藻類圖像半徑的1/10對(duì)頻譜圖像B進(jìn)行環(huán)狀采樣，得到半徑頻譜特 征序列；從0°開(kāi)始，以每隔10°對(duì)頻譜圖像B進(jìn)行徑向采樣，直到90° ，得到角度頻譜特 征序列，將半徑頻譜特征序列和角度頻譜特征序列相加，得待識(shí)別特征序列；
5) 通過(guò)計(jì)算機(jī)用編輯距離把待識(shí)別特征序列與藻類特征序列數(shù)據(jù)庫(kù)中的記錄進(jìn)行比較以 確定其中最接近的記錄，并把對(duì)應(yīng)的記錄作為待識(shí)別藻類圖像的最佳候選種類。
所述的微藻最好是外形輪廓為圓形的藻類，如硅藻的中心綱，所述的高清晰度原始微藻 圖像，是要求每副原始藻類圖像的分辨率至少達(dá)到100X100。
所述分割手段可采用邊緣分析或閾值分割等計(jì)算機(jī)圖像分割方法。 本發(fā)明所基于的原理是
圓形藻類的紋理特點(diǎn)表現(xiàn)出方向上主要呈輻射性，紋理結(jié)構(gòu)元素主要呈孔紋狀的特點(diǎn)。 不同圓形藻類之間的區(qū)別主要在于孔紋大小分布的不同及輻射性排列方式的不同。傅立葉頻 譜非常適用于描述循環(huán)圖像的方向性或二維模式，它很容易發(fā)現(xiàn)圖像在空間域的特性，可以 檢測(cè)紋理基元的大小和空間組織。為描述頻譜特征，通過(guò)環(huán)狀采樣及徑向采樣，可將其簡(jiǎn)化 為一維的表示形式，其中環(huán)狀采樣體現(xiàn)了藻類紋理結(jié)構(gòu)元素(如硅藻的孔紋)的大小分布特征，而徑向采樣與紋理結(jié)構(gòu)元素的周期性相對(duì)應(yīng)。
由于本發(fā)明主要依靠圓形藻類特有的紋理排列特征，采用一系列圖像處理技術(shù)，得到分 類結(jié)果，因此本發(fā)明不僅具有更好的穩(wěn)定性和抗干擾性，而且具有較高識(shí)別率。


圖1為本發(fā)明對(duì)一幅圓形微藻顯微圖像的識(shí)別圖。其中(a)為原始圖像經(jīng)灰度化處理后的 圓形藻類顯微單藻圖像，(b)為圖a的分割后圖像，(c)為圖b經(jīng)過(guò)傅里葉變換得到的頻譜 圖像，(d)為環(huán)狀采樣特征序列圖，(e)為環(huán)狀采樣特征序列圖。
具體實(shí)施例方式
下面結(jié)合實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)描述。
1) 在顯微鏡和高精度數(shù)碼攝像裝置下拍攝IO種圓形藻類顯微單藻圖像，并對(duì)其進(jìn)行灰 度化處理，圖la給出其中3種原始圖像經(jīng)灰度化處理后的圓形藻類顯微單藻圖像。
2) 通過(guò)采用邊緣檢測(cè)分割技術(shù)，提取目標(biāo)微藻的藻體所在區(qū)域并生成256色的純?cè)孱悎D 像，圖lb給出圖la所示圖像經(jīng)分割后的結(jié)果。
3) 通過(guò)傅里葉變換操作得到頻譜圖像，圖lc給出圖lb經(jīng)過(guò)傅里葉變換得到的頻譜圖像。
4) 以0開(kāi)始，每隔長(zhǎng)度藻類圖像半徑的1/10對(duì)頻譜圖像B進(jìn)行環(huán)狀采樣，得到長(zhǎng)度為 IO的半徑頻譜特征序列，環(huán)狀采樣特征序列圖參見(jiàn)圖ld。從0°開(kāi)始，以每隔1(T對(duì)其進(jìn)行 徑向采樣，直到90° ，得到角度為IO。的角度頻譜特征序列。兩個(gè)序列相加得到特征序列， 環(huán)狀采樣特征序列圖參見(jiàn)圖le。
5) 建立特征序列數(shù)據(jù)庫(kù)。
6) 拍攝待識(shí)別藻類顯微數(shù)碼顯微圖像，按照從步驟l)到步驟4)的方法獲得待識(shí)別藻 類的特征序列。
7) 計(jì)算與特征序列數(shù)據(jù)庫(kù)中最接近的記錄，把其作為待識(shí)別藻的最佳候選身份。
權(quán)利要求
1.基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法，其特征在于包括以下步驟1)用顯微鏡及圖像采集設(shè)備建立高清晰度原始微藻圖像數(shù)據(jù)庫(kù)并裝入計(jì)算機(jī)；2)通過(guò)采用分割手段，提取目標(biāo)微藻的藻體所在區(qū)域并生成256色的純?cè)孱悎D像A；3)對(duì)純?cè)孱悎D像A進(jìn)行傅里葉變換操作，得頻譜圖像B；4)以0開(kāi)始，每隔藻類圖像半徑的1/10對(duì)頻譜圖像B進(jìn)行環(huán)狀采樣，得到半徑頻譜特征序列；從0°開(kāi)始，以每隔10°對(duì)頻譜圖像B進(jìn)行徑向采樣，直到90°，得到角度頻譜特征序列，將半徑頻譜特征序列和角度頻譜特征序列相加，得待識(shí)別特征序列；5)通過(guò)計(jì)算機(jī)用編輯距離把待識(shí)別特征序列與藻類特征序列數(shù)據(jù)庫(kù)中的記錄進(jìn)行比較以確定其中最接近的記錄，并把對(duì)應(yīng)的記錄作為待識(shí)別藻類圖像的最佳候選種類。
2. 如權(quán)利要求l所述的基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法，其特征在于所述的微藻 是外形輪廓為圓形的藻類。
3. 如權(quán)利要求2所述的基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法，其特征在于所述外形輪 廓為圓形的藻類為硅藻的中心綱。
4. 如權(quán)利要求l所述的基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法，其特征在于所述的高清 晰度原始微藻圖像，是要求每副原始藻類圖像的分辨率至少達(dá)到100X100。
5. 如權(quán)利要求l所述的基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法，其特征在于所述分割手 段采用邊緣分析或閾值分割的計(jì)算機(jī)圖像分割方法。
全文摘要
基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法，涉及一種圖像自動(dòng)識(shí)別方法。提供一種具有較高識(shí)別率的基于殼面紋理的圓形微藻自動(dòng)識(shí)別方法。用顯微鏡及圖像采集設(shè)備建立原始微藻圖像數(shù)據(jù)庫(kù)并裝入計(jì)算機(jī)；采用分割手段，提取目標(biāo)微藻的藻體所在區(qū)域并生成256色的純?cè)孱悎D像A；對(duì)A進(jìn)行傅里葉變換得頻譜圖像B；以0開(kāi)始，每隔藻類圖像半徑的1/10對(duì)B進(jìn)行環(huán)狀采樣得半徑頻譜特征序列；從0°開(kāi)始，以每隔10°對(duì)B進(jìn)行徑向采樣直到90°得角度頻譜特征序列，將兩序列相加得待識(shí)別特征序列；通過(guò)計(jì)算機(jī)用編輯距離把待識(shí)別特征序列與藻類特征序列數(shù)據(jù)庫(kù)中的記錄進(jìn)行比較以確定其中最接近的記錄，并把對(duì)應(yīng)的記錄作為待識(shí)別藻類圖像的最佳候選種類。
文檔編號(hào)G06T7/00GK101604330SQ200910112230
公開(kāi)日2009年12月16日 申請(qǐng)日期2009年7月17日 優(yōu)先權(quán)日2009年7月17日
發(fā)明者楊晨暉, 梁君榮, 羅金飛, 陳長(zhǎng)平, 駱巧琦, 高亞輝 申請(qǐng)人:廈門大學(xué)