基于生物形态特征的中国海常见有害赤潮藻显微图像识别

Automatic identification of Harmful Algal Blooms (HABs) in Chinese coast areas has a very important scientific and practical significance for our marine ecosystems, environmental monitoring and marine fishery. Traditionally identification of HABs mainly relies on well-experienced algae operators using microscope based on characteristics of biological morphology, which need high level professional experts that are becoming less and less. Besides, it is also time-consuming and laborious. However, the current research on automatic identification and classification of phytoplankton by microscopic images based on computer vision technology is difficult to segment cell target and extract characteristics effectively. The proposed research focuses on 41 kinds of HABs in Chinese coast areas and proposes to create the feature sets of phytoplankton according to their biomorphic characteristics such as seta, cingulum and sulcus, and spine; constructs classifier according to biological classification method to achieve the automatic identification of HABs in Chinese coast areas..The proposed research combines the knowledge of phytoplankton classification by biologist with image processing, image analysis as well as pattern recognition technology to establish the HAB automatic identification system, in order to realize the rapid and effective identification of dominant HAB species, which can lay the foundation for the study of HAB in-situ monitoring system.

中国海常见有害赤潮藻的自动识别对我国海洋生态系统、环境监测和海洋渔业生产等多方面具有重要的科学和现实意义。传统的赤潮藻鉴定主要依赖经验丰富的藻类专家依据种的生物形态学特征在显微镜下通过人工目视判读、分类，该方法存在专业水平高、分类人员断层、耗时费力等问题。而目前国内外基于计算机视觉的藻细胞显微图像自动识别研究存在难以有效地分割图像目标、提取表示特征等问题。本项目针对41种中国海常见有害赤潮藻，提出依据藻种的角毛、横纵沟、尖顶刺等生物形态特征建立藻种表示特征集合；根据生物学分类方法建立分类器，实现中国海常见有害赤潮藻的自动分类。.此项研究结合海洋生物学家的藻种分类知识，综合运用图像处理、分析、模式识别技术，建立赤潮藻自动识别系统，有望实现赤潮生物优势藻种快速、有效的鉴定与检测，为赤潮现场监测系统的研究奠定基础。

中国海常见有害赤潮藻的快速有效识别对我国海洋生态系统、环境监测和海洋渔业生产等多方面具有重要的科学和现实意义。本项目针对中国海常见41种有害赤潮藻，以生物形态分类学和图像分析与模式识别为思路，重点开展了赤潮藻显微图像层级分类器设计与识别研究。.项目组按照预定计划，围绕中国海常见有害赤潮藻显微图像识别问题开展研究工作，取得了一定进展，体现在以下五个方面：1）针对生物形态分类特征—角毛，我们提出了灰度曲面方向角模型，实现了角毛信息的精细提取，并据此提出了基于骨架的角毛判识准则，能够有效的区分角毛藻和无角毛类藻。2）针对生物形态分类特征—横纵沟，我们结合显著区域检测和分水岭算法提出了无角毛类藻单个和多个细胞目标提取方法，进而提出基于约束标记分水岭变换和几何特征的方法进行横纵沟检测与提取，实现了无角毛类藻有无横纵沟的判别和横纵沟特征的提取与描述。3）针对生物形态分类特征—尖顶刺，我们结合生物形态知识提出了一种快速检测并提取藻种尖顶刺的形态学方法，能够自动检测并提取和表示尖顶刺特征，实现了无角毛无横纵沟类藻有无尖顶刺的判别和尖顶刺特征的提取与描述。4）在层级分类器设计与图像识别系统方面，我们针对赤潮藻细胞形态特点提取了基本标量、全局形状、细节纹理、局部形态等特征构建了生物形态特征样本集，再采用支持向量机进行训练，得到识别模型库，最后基于J2EE体系架构构建了中国海有害赤潮藻显微图像识别系统。5）在基础数据资源建设方面，我们构建了中国海常见有害赤潮藻生物学信息库、标准图像库和显微图像数据库。.基于上述工作，项目组在领域国际期刊上发表SCI论文5篇、北大中文核心期刊上发表论文3篇，发表EI收录国际会议论文9篇，申请国内发明专利3项，培养了相关方向博士1人（已毕业）、硕士8人（毕业5人，在读3人），开展相关国际学术交流4次。