基于區(qū)域信息的水平集藻類圖像的分割.pdf

1、目前，我國對海洋赤潮及湖泊藍綠藻的監(jiān)視主要還是衛(wèi)星遙感技術(shù)，這種監(jiān)測手段的缺陷是不能進行預(yù)測、預(yù)警，而且實時性差、陰雨天氣得不到圖像。針對以上問題，及時的預(yù)報、預(yù)警、監(jiān)測和控制從而減少環(huán)境災(zāi)害的影響，就是需要重要解決的問題，而藻類的種類和形態(tài)比例的圖像識別是監(jiān)測其中重要的一個環(huán)節(jié)。
　　根據(jù)現(xiàn)場顯微照片,利用圖像識別軟件來鑒定赤潮或水華類型、優(yōu)勢藻類和種群密度以及生長趨勢。然而,由于藻類細胞復雜多樣且顯微圖像受光線和藻類細胞顏色的

2、影響,傳統(tǒng)的圖像分割算法對藻類輪廓的提取難以取得滿意的效果。本文利用一種基于局部區(qū)域信息的C-V(LCV)模型，應(yīng)用于藻類細胞顯微圖像的分割。
　　首先，本文介紹了藻類研究的重要意義以及國內(nèi)外圖像分割技術(shù)的研究發(fā)展現(xiàn)狀，主要對水平集方法及其在圖像分割中的應(yīng)用和進一步擴展進行深入的研究。對各種方法進行了分析和比較，總結(jié)了各方法的性能優(yōu)缺點及存在的問題。針對幾種常見的海洋赤潮生物及湖泊、水庫藍綠藻生物細胞本身具有復雜的結(jié)構(gòu)特點，分析了

3、傳統(tǒng)的 C-V模型所存在的問題，利用一種新的基于局部信息的Local Chan—Vese(LCV)模型，可以在較少的迭代次數(shù)內(nèi)分割灰度不均勻圖像，應(yīng)用于藻類細胞顯微圖像的分割，取得了很好的效果。
　　在MATLAB環(huán)境下，通過大量的圖像處理分析，保留藻類的原有信息，最終返回識別出的只含藻類的位圖。選出能最好區(qū)分藻類細胞的特征組合，供之后分析藻類特性時使用。通過實驗對比，顯示出 LCV模型相對于傳統(tǒng)分割方法可以分割灰度均勻或不均勻的