专利名称：基于壳面纹理的圆形微藻自动识别方法
技术领域：
本发明涉及一种图像自动识别方法，尤其是涉及一种通过对微藻显微图像进行傅里叶变 换操作得到频谱图像，通过频谱图像的环状采样和径向采样，得到频谱特征序列；通过对待 检测藻的频谱特征序列与频谱特征序列数据库的比对，得到最终分类结果的方法。
背景技术：
藻类是一类广泛分布于各类生境的单细胞生物，对生态系统的平衡起着至关重要的作用。 它是地球海洋初级生产力的主要组成部分([l] Mann DG. The species concept in diatoms. Phycologia， 1999,38:437-495)。除此之外，藻类在许多领域都有广泛的应用，如水质检测([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，France. 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)、养殖、石油勘探、 纳米技术([4] Ryan WD, Richard Q Star Trek replicators and diatom nanotechnology [J]. Trends in Biotechnol, 2003， 21:325-328)和赤潮预报等，这些应用都离不开对藻类的鉴定工作。
目前，藻类的鉴定和定量分析大都是在显微镜下，靠人工完成的，需要有较高的分类专 业技术水平，既耗时，又费力。国内外都在寻找一种快速识别方法，以满足在藻类鉴定上的 需求。
藻类图像自动识别的一个不可逾越的环节是藻体的轮廓提取。然而传统的图像处理方法 无法对藻类图像做有效的处理，首先，显微图像的噪声点较多，传统的检测边缘的模板，如 Prewitt， Roberts, Sobel，受噪声影响大而灰度阈值分割又受显微图像光源很大的影响，显 微图像常见的照明光源的方向性问题也容易产生光照不平衡的效果，使该方法的分割成功率 也无法满足要求；此外，大型杂质如水泡的存在使得分割后续处理步骤无法实现智能化。基 于藻类图像特征的自动识别技术拥有方便、稳定、直观等特点，逐渐成为国内外的一个研究执占。
由于相当大一部分微型藻类拥有各异的轮廓特点，目前，人们对藻类的自动识别技术主要集中在根据藻类外形轮廓特征进行分类，在藻类图像各类特征中，轮廓特征是一种最直观、 最易于被接受的藻类识别方法。然而，在与人类生产生活更密切相关的浮游类型藻类中，外 形轮廓为圆形的藻类占的比重非常大，如硅藻的中心纲，其大部分种类都具有圆形外形，对 于该类型的微藻，仅通过外形特征进行分类显然不可能，只能通过藻体的纹理特点进行分类 判断。
发明人通过大量的文献检索表明，虽然在一些藻类图像自动识别系统中使用了纹理特征 提高藻类识别的正确率，然而，国际上对藻类的纹理特征的识别主要集中在非圆形硅藻上(如 欧洲的ADIAC工程)，对圆形藻类基于纹理的自动识别方法还未见报道。就硅藻而言，其非 圆形硅藻(主要是羽纹纲)与圆形硅藻(主要是中心纲)其分属不同大类，其壳面纹理的组 成特点也有很大差异，非圆形藻类的纹理识别技术对圆形藻类而言并不适用。
发明内容
本发明的目的是提供一种具有较高识别率的基于壳面纹理的圆形微藻自动识别方法。 本发明包括以下步骤
1 )用显微镜及图像采集设备建立高清晰度原始微藻图像数据库并装入计算机；
2) 通过采用分割手段，提取目标微藻的藻体所在区域并生成256色的纯藻类图像A;
3) 对纯藻类图像A进行傅里叶变换操作，得频谱图像B;
4) 以0丌始，每隔藻类图像半径的1/10对频谱图像B进行环状采样，得到半径频谱特 征序列；从0°开始，以每隔10°对频谱图像B进行径向采样，直到90° ，得到角度频谱特 征序列，将半径频谱特征序列和角度频谱特征序列相加，得待识别特征序列；
5) 通过计算机用编辑距离把待识别特征序列与藻类特征序列数据库中的记录进行比较以 确定其中最接近的记录，并把对应的记录作为待识别藻类图像的最佳候选种类。
所述的微藻最好是外形轮廓为圆形的藻类，如硅藻的中心纲，所述的高清晰度原始微藻 图像，是要求每副原始藻类图像的分辨率至少达到100X100。
所述分割手段可采用边缘分析或阈值分割等计算机图像分割方法。 本发明所基于的原理是
圆形藻类的纹理特点表现出方向上主要呈辐射性，纹理结构元素主要呈孔纹状的特点。 不同圆形藻类之间的区别主要在于孔纹大小分布的不同及辐射性排列方式的不同。傅立叶频 谱非常适用于描述循环图像的方向性或二维模式，它很容易发现图像在空间域的特性，可以 检测纹理基元的大小和空间组织。为描述频谱特征，通过环状采样及径向采样，可将其简化 为一维的表示形式，其中环状采样体现了藻类纹理结构元素(如硅藻的孔纹)的大小分布特征，而径向采样与纹理结构元素的周期性相对应。
由于本发明主要依靠圆形藻类特有的纹理排列特征，采用一系列图像处理技术，得到分 类结果，因此本发明不仅具有更好的稳定性和抗干扰性，而且具有较高识别率。
图1为本发明对一幅圆形微藻显微图像的识别图。其中(a)为原始图像经灰度化处理后的 圆形藻类显微单藻图像，(b)为图a的分割后图像，(c)为图b经过傅里叶变换得到的频谱 图像，(d)为环状采样特征序列图，(e)为环状采样特征序列图。
具体实施例方式
下面结合实施例对本发明的技术方案作进一步详细描述。
1) 在显微镜和高精度数码摄像装置下拍摄IO种圆形藻类显微单藻图像，并对其进行灰 度化处理，图la给出其中3种原始图像经灰度化处理后的圆形藻类显微单藻图像。
2) 通过采用边缘检测分割技术，提取目标微藻的藻体所在区域并生成256色的纯藻类图 像，图lb给出图la所示图像经分割后的结果。
3) 通过傅里叶变换操作得到频谱图像，图lc给出图lb经过傅里叶变换得到的频谱图像。
4) 以0开始，每隔长度藻类图像半径的1/10对频谱图像B进行环状采样，得到长度为 IO的半径频谱特征序列，环状采样特征序列图参见图ld。从0°开始，以每隔1(T对其进行 径向采样，直到90° ，得到角度为IO。的角度频谱特征序列。两个序列相加得到特征序列， 环状采样特征序列图参见图le。
5) 建立特征序列数据库。
6) 拍摄待识别藻类显微数码显微图像，按照从步骤l)到步骤4)的方法获得待识别藻 类的特征序列。
7) 计算与特征序列数据库中最接近的记录，把其作为待识别藻的最佳候选身份。
权利要求
1.基于壳面纹理的圆形微藻自动识别方法，其特征在于包括以下步骤1)用显微镜及图像采集设备建立高清晰度原始微藻图像数据库并装入计算机；2)通过采用分割手段，提取目标微藻的藻体所在区域并生成256色的纯藻类图像A；3)对纯藻类图像A进行傅里叶变换操作，得频谱图像B；4)以0开始，每隔藻类图像半径的1/10对频谱图像B进行环状采样，得到半径频谱特征序列；从0°开始，以每隔10°对频谱图像B进行径向采样，直到90°，得到角度频谱特征序列，将半径频谱特征序列和角度频谱特征序列相加，得待识别特征序列；5)通过计算机用编辑距离把待识别特征序列与藻类特征序列数据库中的记录进行比较以确定其中最接近的记录，并把对应的记录作为待识别藻类图像的最佳候选种类。
2. 如权利要求l所述的基于壳面纹理的圆形微藻自动识别方法，其特征在于所述的微藻 是外形轮廓为圆形的藻类。
3. 如权利要求2所述的基于壳面纹理的圆形微藻自动识别方法，其特征在于所述外形轮 廓为圆形的藻类为硅藻的中心纲。
4. 如权利要求l所述的基于壳面纹理的圆形微藻自动识别方法，其特征在于所述的高清 晰度原始微藻图像，是要求每副原始藻类图像的分辨率至少达到100X100。
5. 如权利要求l所述的基于壳面纹理的圆形微藻自动识别方法，其特征在于所述分割手 段采用边缘分析或阈值分割的计算机图像分割方法。
全文摘要
基于壳面纹理的圆形微藻自动识别方法，涉及一种图像自动识别方法。提供一种具有较高识别率的基于壳面纹理的圆形微藻自动识别方法。用显微镜及图像采集设备建立原始微藻图像数据库并装入计算机；采用分割手段，提取目标微藻的藻体所在区域并生成256色的纯藻类图像A；对A进行傅里叶变换得频谱图像B；以0开始，每隔藻类图像半径的1/10对B进行环状采样得半径频谱特征序列；从0°开始，以每隔10°对B进行径向采样直到90°得角度频谱特征序列，将两序列相加得待识别特征序列；通过计算机用编辑距离把待识别特征序列与藻类特征序列数据库中的记录进行比较以确定其中最接近的记录，并把对应的记录作为待识别藻类图像的最佳候选种类。
文档编号G06T7/00GK101604330SQ200910112230
公开日2009年12月16日 申请日期2009年7月17日 优先权日2009年7月17日
发明者杨晨晖, 梁君荣, 罗金飞, 陈长平, 骆巧琦, 高亚辉 申请人:厦门大学