（计算机系统结构专业论文）赤潮生物图像分类识别技术研究.pdf

摘要 赤潮是我国近海常见的重要灾害之一，不仅造成了重大的经济损失，而且对 海洋生态环境、资源和公众健康构成了严重威胁。目前只能通过监测和预报的手 段来减少赤潮造成的损失，因此建立赤潮生物的有效监测方法成为摆在我们面前 的亟待解决的课题。传统的赤潮监测方法是通过显微镜进行人工辨认和计数。这 种方法不仅存在劳动强度大、效率低等问题，而且赤潮生物由于形态相近难于分 辨，因此需要经验丰富的专家才能进行分类识别。这些因素都严重影响了对赤潮 灾害预测的反应时间，十分不利于赤潮减灾防灾。 本文的研究工作在于针对赤潮生物提出具有较高准确率的实时自动分类方 法。首先对赤潮生物图像原始数据集进行特征分析，并在此基础上，对原始特征 集进行特征选择以去除特征集中的无关特征和冗余特征，得到最优特征子集，然 后分别讨论和分析了s v l v l 和k n n 两种分类器在最优特征子集上的分类效果， 最后提出了使用s v i v l k n n 分类器来进行赤潮生物图像的识别分类。 本文研究工作的主要内容及创新包括以下几点： ( 1 ) 在对数据原始特征集分析的基础上，提出了将r e l i e f f 算法与顺序后向 搜索( s b s ) 策略相结合进行特征选择的方法。使用该方法可以有效的去除原始 特征集中的无关特征和冗余特征，减少它们对分类器分类精度的影响。并通过实 验对比了s v m 和k n n 两种分类器特征选择前后的分类效果。 ( 2 ) 将经过特征选择后的4 类样本数据集和7 类样本数据集，分别用s v m 和 k n n 两种分类器进行分类实验，针对实验结果对两种分类器分类的特点和性能进 行深入的讨论和分析。 ( 3 ) 对s v m 分类器和k n n 分类器的理论进行了研究，发现了两种分类器的理 论上的共通点，找到了将两种分类器结合起来的理论依据，提出了使用s v m k n n 分类器来改善赤潮生物图像的分类效果，并通过实验证明s v m - k n n 分类器确实可 以有效的提高分类性能。 关键词：赤潮；特征选择；支持向量机：k 近邻分类器 a b s t r a c t t h e r e dt i d ei so n eo ft h es e r i o u sf a m i l i a rd i s a s t e r sa l o n gt h eo f f i n g ，w h i c hn o t o n l yc a u s e sg r e a tl o s sf i n a n c i a l l y , b u th o l d ss e v e r et h r e a ta g a i n s to c e a n i ce n v i r o n m e n t a n di t sr e s o u r c e sa sw e l la sp u b l i ch e a l t h r t l 订et h el o s sl e db yt h er e dt i d ec o u l d o n l yb el e s s e n e dt h r o u g hi n s p e c t i n ga n df o r e c a s ta tp r e s e n t t h e r e f o r e ，i ti su r g e n tf o r u st oh a v ea ne f f e c t i v ei n s p e c t i n gm e t h o df o rt h er e dt i d ea l g a e t h et r a d i t i o n a l i n s p e c t i n gm e t h o di st oe m p l o ym i c r o s c o p e s t om a k ei d e n t i f i c a t i o na n dt a k ec o u n t , b y w h i c ht h e r ea r en o to n l yi n t e n s el a b o ra n di n e f f i c i e n c y , b u ta l s oi ti sh a r dt o d i f f e r e n t i a t ed u et ot h ec l o s ef o r m so ft h er e dt i d e s ot h et a s ko fc l a s s i f i c a t i o na n d i d e n t i f i c a t i o nc o u l db ea c c o m p l i s h e db ye x p e r i e n c e de x p e r t so n l y a l lo ft h e s ef a c t o r s t h u sw o u l dh a v ey 昭v e r ei m p a c tu p o nt h er e s p o n s i v et i m et ot h ef o r e c a s to ft h er e d t i d e ，q u i t eu n f a v o r a b l e t ot h el e s s e n i n ga n d p r e v e n t i n go f t h ed i s a s t e ro ft h er e dt i d e 1 n l i sp a p e rm a i n l ys t u d i e st ob r i n gf o r w a r dam e t h o do fav e r a c i o u s ，r e a l - t i m e a u t o m a t i cc l a s s i f i c a t i o nf o rt h er e dt i d ea l g a e f i r s t l yi tm a k e saf e a t u r ea n a l y s i so f t h eo r i g i n a ld a t ao fr e dt i d ea l g a ei m a g e sa n dr e c e i v e st h eo p t i m a lf e a t u r es u b s e tb y af e a t u r es e l e c t i o na m o n gt h ef e a t u r es e tw i t ht h ei n t e n s i o nt or e m o v et h o s eu n r e l a t e d a n dr e d u n d a n tf e a t u r e s d i f f e r e n tc l a s s i f y i n ge f f e c t so fs v ma n dk n no nt h eo p t i m a l f e a t u r es u b s e ta r ed i s c u s s e da n da n a l y z e dr e s p e c t i v e l ya r e r w a r d s f i n a l l yt h ep a p e r c l a i m st ou 辩t h es v m k n nc l a s s i f i e rt om a k et h ei d e n t i f i c a t i o na n dc l a s s i f i c a t i o no f r e dt i d ea l g a ei m a g e s t h em a i np o i n t sa sw e l la st h ec r e a t i v eo n e si nt h ep a p e ra r ei n c l u d e di nt h e f o l l o w i n g ： ( 1 ) b a s e do nt h ed a t aa n a l y s i so ft h eo r i g i n a l f e a t u r es e t , t h ep a p e rb d n g s f o r w a r dt h ef e a t u r es e l e c t i o nm e t h o db yc o m b i n i n gt h er e l i e f fa l g o r i t h ma n d s e q u e n t i a lb a c k w a r ds e a r c hs t r a t e g y , w h i c hc a nr e m o v et h eu n r e l a t e da n dr e d u n d a n t f e a t u r e si nt h eo r i g i n a lf e a t u r es e ta n dl e s s e nt h ei m p a c tu p o nt h ep r e c i s i o no f c l a s s i f i e r s b e s i d e s ，t h ee x p e r i m e n td a t as h o wt h ec o m p a r i s o no f t h ec l a s s i f y i n ge f f e c t s b o t hb e f o r ea n da r e rc l a s s i f y i n gb ys v ma n dk n n ( 2 ) s v ma n d k n na r e e m p l o y e dr e s p e c t i v e l y t oc o n d u c tc l a s s i f i c a t o r y e x p e r i m e n t so nf o u rt y p e so fs a m p l ed a t as e ta n ds e v e nt y p e so fs a m p l ed a t as e t r e c e i v e dr e s p e c t i v e l ya f t e rf e a t u r es e l e c t i o n f e a t u r e sa n dp r o p e r t i e so ft h et w o c l a s s i f i e r sa l el a t e rd i s c u s s e da n da n a l y z e da c c o r d i n gt ot h er e s u l t so f t h ee x p e r i m e n t s ( 3 ) t h ep a p e rc o n d u c t ss t u d yo ft h et h e o r i e so fs v ma n dk n n c l a s s i f i e r sa n di t s t h e o r e t i c a l l yc o m m o np o i n t sh a v eb e e nd i s c o v e r e d h e n c et h et h e o r e t i c a lf o u n d a t i o n o fc o m b i n i n gb o t hc l a s s i f i e r si so b t a i n e da n ds ot h ep a p e rc l a i m st oa d o p tt h e s v m - k n nc l a s s i f i e rt oi m p r o v et h ec l a s s i 黟i n ge f f e c to nt h er e dt i d ea l g a ei m a g e f u r t h e r m o r e ，e x p e r i m e n td a t ap r o v et h et r u t ht h a tt h es v m k n nc l a s s i f i e r c a l l e n h a n c et h ec l a s s i f y i n gp e r f o r m a n c ee f f e c t i v e l y k e yw o r d s ：r e dt i d e ；f e a t u r es e l e c t i o n ；s u p p o r tv e c t o rm a c h i n e ；k - n e a r e s t n e i g h b o r sc l a s s i f i e r 厦门大学学位论文原创性声明 本人呈交的学位论文是本人在导师指导下，独立完成的研究成 果。本人在论文写作中参考其他个人或集体已经发表的研究成果，均 在文中以适当方式明确标明，并符合法律规范和厦门大学研究生学 术活动规范( 试行) 。 另外，该学位论文为(撕乳) 课题( 组) 的研究成果，获 得( i 协免) 课题( 组) 经费或实验室的资助，在( a t r ) 实验室完 成。( 请在以上括号内填写课题或课题组负责人或实验室名称，未有 此项声明内容的，可以不作特别声明。) 馄 、幼 ：i h 一 名月戳钥 偿6 人年 叭产 创卵 厦门大学学位论文著作权使用声明 本人同意厦门大学根据中华人民共和国学位条例暂行实施办 法等规定保留和使用此学位论文，并向主管部门或其指定机构送交 学位论文( 包括纸质版和电子版) ，允许学位论文进入厦门大学图书馆 及其数据库被查阅、借阅。本人同意厦门大学将学位论文加入全国博 士、硕士学位论文共建单位数据库进行检索，将学位论文的标题和摘 要汇编出版，采用影印、缩印或者其它方式合理复制学位论文。 本学位论文属于： () 1 经厦门大学保密委员会审查核定的保密学位论文，于 年月日解密，解密后适用上述授权。 () 2 不保密，适用上述授权。 ( 请在以上相应括号内打“ 或填上相应内容。保密学位论文 应是已经厦门大学保密委员会审定过的学位论文，未经厦门大学保密 委员会审定的学位论文均为公开学位论文。此声明栏不填写的，默认 为公开学位论文，均适用上述授权。) 到屈序 歹啤 6 多 第一章绪论 1 1 课题的背景和意义 第一章绪论 赤潮是一种海洋生态灾害，指的是一些在海洋中浮游生活的赤潮生物( 主要 是浮游植物或原生动物) 在短时间内暴发性繁殖或高度聚集、且引起水色异常的 现象。以浮游植物来说，在世界各地已报道的4 0 0 0 多种微藻中，能引起赤潮的 种类约有2 0 0 多种，而其中大约有7 0 多种微藻能产生毒素。赤潮不仅严重破坏 海洋生态平衡，恶化海洋环境，危害海洋水产资源，危及海洋生物，甚至威胁着 人类的健康和生命安全，已引起许多国家的严重关注n 幻。 1 9 9 0 年联合国将赤潮列为世界三大近海污染问题之一。国际海洋考察理事 会于1 9 9 2 年发表了“有害赤潮对海水养殖业和海洋渔业影响 的报告。为加强 全球范围赤潮的研究和监测，联合国教科文组织的政府间海洋学委员会、国际科 联海洋学研究会、联合国粮农组织等均成立了赤潮研究专家组或工作组，制定赤 潮研究或监测计划。美国总统克林顿于1 9 9 8 年1 1 月还签署了有毒微藻水华和缺 氧研究和控制的行动纲领。我国于1 9 8 5 年在广州成立了“南海赤潮研究中心 ， 1 9 9 0 年成立了i c o s c o r 有害赤潮专家组中国委员会。除了对赤潮进行监测， 对赤潮生物的分类、生态、生理及赤潮毒素进行大量调查研究外，近几年还利用 遥感等先进技术开展赤潮的预测、预报。近年来，我国也开始着手制定有害赤潮 生态学与海洋学研究战略计划口1 。 随着我国近岸海域富营养化程度的加剧，赤潮爆发频率不断增加，规模不断 扩大，新赤潮藻种不断出现，近岸海域赤潮灾害日趋严重。据不完全统计，从 7 0 年代以来，我国赤潮发生频率以每l o 年增加三倍的速度上升，1 9 9 8 年至今， 每年都发生了面积超过1 0 0 0 平方公里、世界罕见的特大赤潮，造成了重大的经 济损失，对海洋生态环境、资源和公众健康构成了严重威胁。1 9 9 8 年_ 2 0 0 1 年， 在渤海、东海都发生了面积达到几千平方公里的特大赤潮，这在国际上都是十分 罕见的“1 。2 0 0 2 年一2 0 0 5 年，我国海域每年的赤潮累计面积从1 0 0 0 0 平方公里迅 速上升到2 7 ，0 7 0 平方公里，直接经济损失由2 3 0 0 万元扩大到6 9 0 0 万元。赤潮 灾害已经引起了国家的高度重视，国家海洋局采取了一系列有效措施，先后在我 国近海建立了1 9 个赤潮监控区，制定了赤潮应急监测方案，同时加强了赤潮监 赤潮生物图像分类识别技术研究 测的技术手段和能力建设，使得我国海域的赤潮得到了一些控制，2 0 0 7 年赤潮 累计面积约1 1 ，6 1 0 平方公里，直接经济损失为6 0 0 万元。赤潮频发预示着我国 赤潮高发区的海洋生态环境已经受到了严重的干扰，生态系统的正常结构和功能 可能已经或正在被改变，而且生态环境一旦失衡恶化，将很难在短期内恢复。目 前有害赤潮已成为制约我国沿海经济可持续发展的一个重要因素。 因此，如何准确地进行赤潮监测，以便及时采取有效防治和减灾措施，减少 赤潮造成的危害和损失，已成为海洋环境保护工作的当务之急。针对日益严重的 赤潮灾害，美国、日本、加拿大等国家已分别启动了国家赤潮监测研究计划，通 过对赤潮的产生、发展、维持和消亡过程进行监视、监测，获取赤潮的动态信息， 及时发出信息，采取相关的措施，减少灾害造成的损失。我国也在国家科技攻关 计划和国家9 7 3 计划中，增设赤潮专项研究课题，进行有关赤潮爆发机理研究、 检测技术研究和预测及治理工作嘲1 。 1 2 赤潮生物图像分类识别技术的国内外研究现状 赤潮生物隶属于海洋浮游生物，是海洋浮游生物的一个组成部分。利用数字 图像处理技术进行海洋浮游生物的分析研究开始于2 0 世纪7 0 年代，初期的研究 应用主要是将计算机视觉系统与常规显微镜相结合，产生更适合于人观察和识别 的图像，并采用简单的图像处理方法对显微镜影像中的浮游生物的外型轮廓尺寸 大小( 直径和面积等) 进行简单测量、分类、记数口1 ，因此这种技术方法依赖专 业人员进行浮游生物的种、属识别和标注。 r o d e n a c k e r 等利用决策树对浮游生物形态、灰度和不变矩等特征进行识别分 类研究【引。但是该文只是基于用于分类识别的全局图像特征和目标特征对分类的 贡献进行了讨论，并没有给出具体的分类识别率，难以对其分类效果进行比较。 欧美国家的一些硅藻学家在2 0 世纪末期就开始硅藻自动鉴别系统的研究， 利用标准的硅藻图版的形体、壳面文饰等等建立一套数据库，通过对显微镜目镜 下的目标形态在电脑里的扫描结果，自动寻找与之最接近的属种，从而进行定名。 a d i a c ( a u t o m a t i cd i a t o mi d e n t i f i c a t i o na n dc l a s s i f i c a t i o n ) 系统是一项非 常重要的创新，a d i a c 基于浮游物轮廓特征和条纹特征应用不同分类规则进行硅 藻识别，识别率达到8 0 - 9 0 ，其中仅依靠4 种曲率特征结合最近邻分类规则， 2 第一章绪论 在特定的训练集和测试集上甚至达到了1 0 0 的识别率【9 】。但是所能鉴别的属种也 仅仅局限于常见的属，虽然目前已经建立了3 4 0 0 张图片信息库，可是还需要不 断的扩充标准图库的规模以提高识别性能。 j a l b a 等人【i o 】提取硅藻的形态学曲率特征和轮廓特征，并采用决策树和最近 邻分类器( i ( n n ) 进行分类性能比较，准确率达到8 4 ，但是该方法识别种类过 于单一。 欧盟共同体研究项目d i c a n n ( d i n o f l a g e l l a t ec a t e g o r i s a t i o nb y h r t i f i c i a l n e u r a ln e t w o r k ) 的研究人员利用人工神经网络系统对4 个甲藻类属 内的2 3 种腰鞭毛虫的显微镜影像进行自动识别。该课题采用离散傅立叶变换、 二价统计量、s o b e l 算子、直方图和g a b o r 小波变换算法进行被检测对象形状及 表面纹理灰度特征的提取，利用神经网络对所提取的综合特征进行学习训练，取 得了与人工识别接近的结果，准确率可达8 4 【i 。 t a n g 等利用基于改进型的学习式向量量化算法( l e a r n i n gv e c t o r q u a n t i z a t i o n n e t w o r kc l a s s i f i e r ) 的神经网络分类器对实时采集的2 0 0 0 多幅 共6 种浮游生物的水下拖曳式显微视频图像进行自动识别，采用包括不变矩特 征，傅立叶边缘描绘子并结合灰度颗粒特征在内的综合特征进行了分类器的训练 与测试，准确率可达9 5 【1 2 】。但是采取的特征以局部特征为主，没有考虑纹理特 征和几何特征的作用，并且该方法在识别的实时性上仍然需要改进。 美国南佛罗里达大学利用支持向量机对s i p p e r 采集的水下图像进行浮游动 物自动识别研究。基于水下图像噪声影响，放弃了目标对象的几何特征提取，将 原始图像和轮廓图像的不变矩、局部形态特征和颗粒特征构成一个2 9 维特征向 量，采用支持向量机分类器对这些特征进行识别，其实验结果表明识别准确率在 多数测试中可达7 5 以上【1 3 1 。这种方法计算量小、特征提取方便，可是如何获取 多种形态描述特征以提高识别准确率尚需开展深入的研究工作，特别是轮廓几何 特征对识别准确率的影响。 y a n g 和c h o u h 】利用最近邻分类器( k n n ) 对轮虫的生物轮廓和不变矩的特征 进行了详细分析。采用6 种改进型最近邻分类器以及它们的综合模型进行了分类 效果的比较，最高识别率可达9 5 。可是其选取的浮游生物品种单一，所提取的 有限特征对其他浮游生物的识别具有局限性。因此需要结合其他特征，譬如纹理 赤潮生物图像分类识别技术研究 信息等开展进一步的对比研究。 我国利用计算机图像处理技术开展海洋浮游生物的自动识别研究起步较晚， 所开展的研究规模有限，距国际先进研究水平存在一定差距。 中国科技大学的杨榕【1 5 1 等对浮游生物中的蚤类图像进行自动识别研究。他 们提取了蚤类图像的面积、紧凑度、长轴长、方形度、能量5 个特征，利用b p 神经网络对中华哲水蚤和小拟哲水蚤进行分类，取得了很好的分类效果。但是该 研究存在着和y a n g 和c h o u 1 4 】方法中同样的问题。 天津大学采用形态学方法解决赤潮生物图像的分割并对轮廓跟踪，依据圆 度、矩形度、扁度和不变矩等形状特征采用树状判别方法进行识别分类，通过对 近于圆形和椭圆形的夜光藻、扁藻和圆筛藻三种藻类进行识别，取得了与分类专 家相近的结果【i 刚。可是该报道的研究对象采用的是形状均匀规则的海洋浮游藻， 因此，所提取的特征及识别方法对形态复杂的浮游生物鉴别的有效性还需要作进 一步的研究工作。 中国海洋大掣1 7 】通过提取浮游生物的数学形态学特征和g a b o r 纹理特征，结 合主成分分析与支持向量机对胶州湾沿岸7 种浮游生物的活体图像进行自动识 别研究，其实验结果的平均识别正确率为7 8 5 。该方法的研究对象非常具有代 表性，但是其分类效果并不是特别理想，需要迸一步提高分类精度。 综上所述，我们发现目前浮游生物的分类识别技术仍存在着较大的局限性。 比如，缺乏高效准确的分类识别方法，大多数自动分类识别方法围绕着形状比较 规则的浮游生物进行的，而且参与自动分类识别的浮游生物种类不够多。 1 3 本课题的研究工作及创新之处 赤潮生物图像分类识别技术是赤潮生物实时监测系统的重要组成部分s 本文 首先通过对从赤潮生物图像提取的数据原始特征集进行特择选择，降低原始数据 集的特征维数，减少无关特征和冗余特征对赤潮生物图像分类识别效果的影响， 然后，对s v m 和k n n 两种分类器在赤潮生物图像分类识别中的应用进行了测试和 分析，充分了解两种分类器在实际应用中的优缺点，最后根据两种分类器各自的 特点，结合两者的优势，得到了s v m - k n n 分类器，并在赤潮生物图像分类识别的 实际应用中取得了良好的分类识别效果。 4 第一章绪论 本文的研究工作和创新之处： ( 1 ) 从原始特征集中选出最优特征子集。通过对原始特征集的分析发现，原 始特征集中存在较多的无关特征和冗余特征，这些特征会影响赤潮生物图像分类 识别的效果。本文通过r e l i e f f - s b s 算法有效的去除了这些特征，得到了最优特 征子集。通过实验对比，证明特征选择确实改善了分类识别的效果。 ( 2 ) 充分了解s v m 和k n n 两种分类器在赤潮生物图像分类识别应用中的性能 和特点。利用特征选择后的两组数据集，分别测试s v m 和k n n 两种分类器的性能， 在实验结果发现了s v m 和k n n 各自的优缺点，并推导出两种分类器可以通过结合 互相弥补对方的不足。 ( 3 ) 从理论上找到s v m 和k n n 两种分类器的共通点，为s v m - k n n 分类器的形 成找到了理论依据，并用实验证明了在赤潮生物图像分类识别应用中s v m k n n 分 类器确实取得了更好的分类效果。 1 4 本文的组织结构 本文将主要从以下几个部分进行阐述： 第一章为绪论，主要介绍课题的背景意义以及国内外的一些研究现状。 第二章主要介绍了本文研究工作的基础，包括赤潮生物图像的获取、检测， 以及图像的四大类特征的提取，并在最后详细的给出了本文实验所选取的赤潮生 物图像。 第三章主要研究赤潮生物图像的特征选择问题，针对原始特征集的特点，指 出了进行特征选择的必要性，在介绍完特征选择的理论后，提出了r e l i e f f s b s 算法对原始特征集进行特征选择，并对最后特征选择的结果进行了分析。 第四章主要研究了赤潮生物图像的分类识别问题。在完成对, s v m 和k n n 两 类分类器在赤潮生物图像分类识别应用中分类性能的测试之后，发现这两类分类 器的分类效果不能满足实际应用的要求，通过对两种分类器的分类性能和特点的 研究后，提出了结合两者优点的s v m k n n 分类器，并通过实验证明，s v m k n n 分类器在赤潮生物图像分类识别应用中取得了良好的效果。 最后是总结和展望，总结本文的工作，并提出进一步深入研究、改进的一些 构想。 5 第二章赤潮生物图像的获取与特征提取 第二章赤潮生物图像的获取与特征提取 本文的研究工作是在赤潮生物流式图像采集控制系统这个已有的硬件平台 上进行的，该系统为本文的研究工作提供了分类识别技术所必需的赤潮生物图 像。本章首先介绍赤潮生物流式图像采集控制系统的基本结构及其工作原理，接 着叙述如何从赤潮生物流式图像采集控制系统所采集的图像中把本文所需要的 赤潮生物图像检测出来，紧接着描述了如何对赤潮生物图像进行特征提取，最后 给出了本文实验选择的赤潮生物图像。 2 1 赤潮生物流式图像采集控制系统简介 赤潮生物流式图像采集控制系统是国家8 6 3 课题“船载现场赤潮生物流式图 像检测技术一中子课题“赤潮生物流式图像监测系统 的重要组成部分。该系 统通过将流式细胞分析技术、显微成像分析技术、荧光分析技术结合起来，实现 了对赤潮生物图像快速准确的采集。赤潮生物流式图像采集控制系统主要由流路 控制系统、图像采集系统和荧光采集系统三个子系统构成。 2 1 1 流路控制系统 流路控制系统主要由入口蠕动泵、出口蠕动泵以及流动室和相应的硅胶管道 构成，整个流路的接口部分采用专门接头连接，保证不会漏水。入口蠕动泵和出 口蠕动泵构成了整个流路控制系统的核心，通过计算机控制入口蠕动泵和出口蠕 动泵，并结合一定的控制算法可以实现海水样品的流量控制和自动稀释，协调后 端的赤潮生物图像采集系统的工作。 蠕动泵系统由步进电机、驱动器、泵头和控制系统构成。系统中直接采用的 蠕动泵( 天津协达公司的b t 0 4 - d g 2 ) 没有和计算机通信的接口，而系统需要从 计算机发出指令进行蠕动泵的的控制，因此该子系统对购买的蠕动泵进行改造， 增加了串口通信模块，以适合系统的控制要求。 在对蠕动泵的改造和控制的基础上，对流路控制系统进行设计。购买合适的 步进电机、细分驱动器和蠕动泵泵头，设计蠕动泵系统控制电路，提高蠕动泵流 7 赤潮生物图像分类识别技术研究 速控制的精度；同时整合了计算机对两路蠕动泵的控制，采用一个串口实现对两 个蠕动泵的控制，有效提高了系统的集成性。图2 1 为流路控制系统的结构框图。 匕 叫卜p 3 o m a x 2 3 2 叫卜一 p 3 1 1 卜 数码管显示 厂 a t 8 9 c 5 l 计算机 p 1 3 二k p 1 2 p 1 1 p i o 2 1 2 图像采集系统 图2 1流路控制系统结构框图 传统流式细胞仪的流动室中充满了细胞悬液和鞘液流，细胞悬液内的细胞在 鞘液流的约束下排列成单列，由流动室的喷嘴喷出，成为细胞液柱，由于细胞液 裹在鞘液流中，难以在流动室中拍摄到单个细胞图像。 为了能够拍摄到赤潮生物图像，赤潮生物流式图像监测系统对传统的流动室 和流路系统作了改造，不采用鞘液流控制海水样品的流动，通过密封的流路系统 驱动海水样本流过流动室。流动室采用内径非常薄的透明扁平玻璃管构成，整个 流动室高度约为3 0 m ，宽度约为2 m m ，内部空间的厚度约为1 0 0 ，流动室内的,um 体积约为6 m m 。由于流动室内部空间的厚度非常小，所以通常只能有一个赤潮生 物通过，这样就能够有效避免拍摄到多个赤潮生物重叠的图像。同时采用上述的 流路控制系统控制海水样品以一定的流速通过流动室，固体激光器通过光学平台 照射到流动室上，激发赤潮生物产生荧光信号。这样就可以不但能够采集到赤潮 生物的图像，而且可以获得相应的荧光信号。 大部分的赤潮生物细胞的体长和宽度分布范围在l o , u m 一2 0 0 , u r n 之间，体积 非常小，接近于c c d 的像素点尺寸，并且海水样品在流动室中处于高速运动状态， 如果直接利用c c d 进行采集，图像在c c d 中的成像区域太小，效果将很不理想。 为了使高速c c d 能够采集到清晰的赤潮生物图像，在透明的流动室和c c d 之间增 加一个显微镜。流动室中目标靶区的图像通过显微镜放大后，再用c c d 进行采集， 8 第= 索寿期生物圈像的获取目特征提取 使放大后的赤潮生物图像在c c d 上的感光投影区域应尽量大。同时考虑到赤潮生 物的高速运动在拍摄的过程中需要留有一定的运动范围。 图像采集系统采用高速c c ds o n yx c 5 0 0 ，感光部件物理尺寸为 6s 2 m m x 48 9 r a m ，在流动室和c c d 之间添加一个1 0 倍左右可调的显微镜，使得 c c d 在流动室上实际有效检测区域大概为6 2 5 1 z m x 4 8 9 , u m ，在这一面积靶区上能 够有效记录大部分赤潮生物运动的轨迹使c c d 能够采集到清晰的赤潮生物图 像。图2 2 为采集到的赤潮生物图像。 图2 2采集到的赤潮生物图像 2 1 3 荧光采集系统 赤潮生物受到一定波长激光的激发会产生荧光，不同的藻类生物受相同激光 的激发产生的荧光信号不同有可能相差非常大，但是海水中的泥沙等黏着物受 激光激发却不会产生荧光信号因此荧光信号可以辅助识别海水样品中的赤潮生 物种类。 在赤潮生物流式图像采集控制系统中，采用固体激光器通过光学平台打在透 明的流动室上使流动室中的赤潮生物产生荧光。荧光信号通过光学平台中的分 光装置分成叶绿素和藻红素两部分荧光信号并通过高增益的光点被增光进行检 测。 由于在系统中检测的大多是单个赤潮生物其产生的荧光信号十分微弱，因 此需要高增益的光电倍增管来进行荧光信号的检测。但是光电倍增管在工作的时 候需要高压模块柬提供电源，而外置的高压模块容易对系统造成较大的干扰，不 易准确采集到微弱的荧光信号，井且对于系统的整合也比较困难。为了提高精度， 赤潮生物图像分类识别技术研究 系统采用h a m a m a t s u 公司一体化的光电倍增管模块h 9 5 7 - 0 8 ，其中光电倍增管型 号为r 9 2 8 ，增益为1 0 7 ，检测波长范围为1 8 5 n m 一9 0 0 h m ，在4 0 0 n m 处检测灵敏 度最高，比较合适系统荧光信号的采集。 光电倍增管模块输出的是电流信号，十分微弱，非常容易受到外界的干扰， 在后续的处理电路中需要对其进行抗干扰和放大。首先将荧光信号通过电流电 压转换电路，形成电压信号，然后采用高性能的可编程控制运算放大器p g a 2 0 5 进一步滤除共模信号，再输入高速a d 转换器件。同时在设计印刷电路板时，采 用了大面积的敷铜来降低信号的干扰。 由于赤潮藻类在流动室中处于高速运动状态，为了使采集到的荧光信号和 c c o 拍摄到的图像相对应，在l e d 熄灭的同时启动a d 转换，要对在短时间内完 成荧光信号的采集，因此系统选用高速高带宽的a d 转换器a d s 7 8 0 5 。a d s 7 8 0 5 的 是1 6 位精度的a d c 转换器，转换周期只有l o u s ，能够满足实时的荧光信号采集。 系统要同时检测叶绿素和藻红素两种荧光信号，为了在同一时刻捕捉到两路荧光 信号的强度，采用两个a d s 7 8 0 5 芯片分别对两路信号进行同时采集。 2 1 4 赤潮生物流式图像采集控制系统结构框图 在赤潮生物流式图像采集控制系统中，整个流路系统处在密闭状态，引导海 水样品和稀释液的硅胶管道口必须淹没在溶液内，防止气泡进入流路系统，影响 测量结果；在实验开始之前，要用纯净水将整个系统清洗一遍，保证在流式系统 中没有空气。海水样品通过入口蠕动泵牵引进入硅胶管，稀释液利用出口泵与进 样泵之间流速的差别而进入管道，在三通处海水样品和稀释液混合，然后混合液 进入透明的流动室，出口蠕动泵控制整个流式系统的流速。透明流动室中的目标 靶区图像信息经过显微镜适当放大后，再利用高速c c d 进行图像采集，通过采集 卡将c c d 采集到的图像送入计算机，然后由赤潮生物流式图像监测系统中的自动 分类识别子系统进行处理。图2 3 为赤潮生物流式图像采集控制系统的结构框 图。 1 0 第二章赤潮生物图像的获取与特征提取 图2 3赤潮生物流式图像采集控制系统结构框图 2 2 赤潮生物图像的检测 赤潮生物图像的特征内容是基于赤潮生物图像的轮廓，所以需要对采集到的 图像进行检测，将赤潮生物图像与背景进行分离，并且注意赤潮生物图像与气泡 等杂质的区分，以获取可以用于识别的赤潮生物轮廓，因此检测结果的好坏对赤 潮生物的特征提取和自动判别具有重要的影响。本文的图像检测是基于赤潮生物 检测模型进行的。主要从灰度信息、纹理信息和尺度信息三个特征来区别赤潮生 物图像与非赤潮生物图像区域。 2 2 1 灰度信息 灰度信息是赤潮生物图像中的基本信息，由于流式细胞仪是通过背景光源投 射过成像区域成像的，赤潮生物图像比纯净的环境液体对光线的通过能力差，因 此，赤潮生物图像的灰度亮度低，这是一个重要的检测特征。 赤潮生物图像分类识别技术研究 2 2 2 纹理信息 赤潮生物图像内部是细胞质等结构，在图像上反映为纹理较为丰富的形式。 而气泡等杂质内部为单纯的结构在图像上纹理细节少这是赤潮生物图像区别与 杂质的重要线索。 2 2 3 尺度信息 赤潮生物图像的尺寸一般在几百微米上下，通过这个特征可以区别一些细小 的杂质，这是一个重要的检测特征。图24 为几种常见赤潮生物图像。 j ( b ) j 谚 e )( f j ( g ) ( h l 图24从上到下，从左到右依次是亚历山大藻，窄隙角毛藻，布氏双尾藻，海 洋原甲藻，中肋骨条藻，辐射圆筛藻和两个未知藻类 2 3 赤潮生物图像的特征提取 在成功获取赤潮生物图像之后，如何对赤潮生物图像进行特征提取成为一个 重要的问题，特征提取是实现后面正确分类识别的基础。本文的特征提取主要涉 及已经被检测出来的赤潮生物图像的四大类特征：不变矩特征、纹理特征，多分 辨率高斯差特征和基本形状特征。 2 3 1 基于矩的特征 由于图像的7 个不变矩在图像发生旋转或尺度放缩时，其基本数值保持不 变，所以它们被广泛应用与特定目标的检测和识别中。对数字陶像函数，f x ，) ， 若它分段连续且在册平面上的有限个点不为零，月1 j f ( x ，y ) 的，+ g 阶矩定义为： m 。= 9 f ( x , y ) o ， s ( x y ) 舻j p + q 阶中心矩定义为： 第二章赤潮生物图像的获取与特征提取 = ( 卜；) p ( j ，一歹) 9 工 j ， 其中；= ，l i 。，一y = t o o 。，通过非线性组合归一化的二阶和三阶中心矩， 我们可以得到图像的7 个矩不变量n 町。 2 3 2 纹理特征 局部二值模式( l o c a lb i n a r yp a t t e r n ，l b p ) 是基于图像空域局部算子的纹 理图像描述子o j a l a 定义了一种均匀局部二值算子n 引： 上喇：屡p = o ( 矿g c ) ，u ( 上碑，尺) 2 【p + l ， o t h e r w i s e 式中& 是一个邻域中心像素点的灰度值，g p 是以r 为半径，尸个等间距分 布像素点的灰度值。函数彩( 露) 定义为： v ( l b p , , 皿) = 卜g p q g f ) 一s ( g o 一) 卜 艺1 5 ( 昂一& ) 一占( g ，一。一) i 对图像的每一个像素根据上式进行运算得到它所对应的脚背，然后将 l b p e 寒2 归一化，l b p e 篡2 的归一化直方图能有效刻画图像的纹理信息。其中( r ，尸) 分别取( 8 ，1 ) ，( 16 ，2 ) ，( 2 4 ，3 ) 。 2 3 3 多分辨率高斯差特征 在目标识别中，全局差分图像描述行是一柙非常有效的图像行，仕描述算于o s r a v e l a 定义了一种形状指标函数啪1 ： c ( 助) = 0 5 - 1 删觚( 筹) 式中： ( p ，盯) = 么虻2 l 一c 0 一巧k r ( p ，仃) = 彳吓岛( e e ) 一( o k ) a ( e ，盯) = ( e + e ) 1 赤潮生物图像分类识别技术研究 其中，l = ( 只盯) 和= ( 尸，盯) 是图像，在p 点的一阶导数，同理，l ， l ，l 是对应的二阶导数。对图像的每一个像素根据上式进行运算得到它所对 应的形状指标函数，指标函数的直方图能有效的描述图像的微分特征。其中 盯= 压，2 ，2 , 5 ，4 ，4 , 5 ，8 ) 。 2 3 4 基本形状特征 通过对赤潮生物图像形态特征的研究和分析，可以获得有代表性的指标，如 细胞的周长、面积和长宽等，这些为赤潮生物图像的识别提供了重要的依据，也 是海洋生物学家手工进行分类的主要依据。本文采用数学形态学的方法也实现了 这些关键特征的提取算法。 2 4 实验选取的赤潮生物图像 本文实验中所用赤潮生物图像数据由海洋生物学家对赤潮生物流式图像采 集控制系统获取的赤潮生物图像进行手工标定得到。实验中共选用了7 种赤潮生 物图像作为识别目标，分别是亚历山大藻、海洋原甲藻、窄隙角毛藻、米金裸甲 藻、中肋骨条藻、中华盒形藻以及辐射圆筛藻。表2 1 给出了所选用的赤潮生物 样本的图像。由于直接从海水中获取的赤潮生物样本不是太理想，因此本论文采 用的的赤潮生物样本均来自实验室中用培养液培养的赤潮生物。 为了防止由于训练样本数目的不平衡导致分类器的分类精度下降，本文为每 一种赤潮生物都选取了3 0 0 张图像( 2 0 0 张为训练样本，1 0 0 张为测试样本) 。 从表2 1 的样本图例中我们可以看出，即使是同一种赤潮生物，采集到的图像看 起来也不是那么容易分辨，因此，为了比较全面的获得赤潮生物图像的各种有利 于识别分类的信息，本文提取了赤潮生物图像的四类特征，包括不变矩特征、纹 理特征、多分辨率高斯差特征和基本形状特征。每个样本的原始特征集维数为 3 1 4 维。 1 4 第= 章赤湖生物图像的扶取特征握h 表2l 实验选取的赤潮生物图像汇总 亚历山大藻 1 0 0 ；oo 海洋原甲藻 1 0 0 簸圄蘸 窄隙角毛藻 2 0 0 豳豳 米金裸甲藻 1 0 0 黼褥隧 中肋骨条藻 1 0 0 。i t 二： 中华盒形藻 刚 辐射圆筛藻 1 0 0 9 2 5 本章小结 本章主要介绍了本文研究工作的已有的基础。首先比较详细的描述丁采集赤 潮生物图像的硬件平台即赤潮生物流式图像采集控制系统，给出了构成它的三个 子系统的工作原理和结构框图，然后介绍了如何将赤潮生物图像从赤潮生物流式 图像采集控制系统采集到的图像中检测出来，并且细致描述了赤潮生物图像的四 大类特征。同时以此为据，进行赤潮生物图像的特征提取，最后给出了本文实验 选择的赤潮生物种类及其图例。 第三章赤潮生物图像的特征选择 第三章赤潮生物图像的特征选择 在前一阶段的工作中，为了尽可能全面的获取赤潮生物图像的特征，我们提 取了包括不变矩特征、纹理特征、多分辨率高斯差特征和基本形状特征在内的共 计3 1 4 个特征项。其中有些特征对分类识别有较大的贡献，但是识别过程中所选 用的特征不是越多越好，过多的特征值会使分类规则的形成变得非常复杂，造成 系统处理时间长和分类精度的下降。 3 1 特征选择问题的提出 由于特征提取过程对赤潮生物图像的特征进行了较为全面的提取，形成了维 数较高的特征集。但是实际上，这些特征与特征之间存在着一定的相关性，因而 提取得到的特征在一定程度上载有重复的信息。不仅如此，还存在着一些对分类 没有帮助甚至会干扰分类的特征。如何从特征集