綜合多分類器的赤潮類圖像分類及拒識技術(shù)研究.pdf

1、赤潮日益成為危害海洋生態(tài)環(huán)境和人類生產(chǎn)生活的自然災(zāi)害。近年我國沿海地區(qū)赤潮頻發(fā),規(guī)模亦呈增長趨勢。監(jiān)控和預(yù)測赤潮爆發(fā)并及時(shí)采取防治措施,利于保護(hù)環(huán)境,保證漁業(yè)生產(chǎn)。海水中藻類細(xì)胞的種類和濃度,是預(yù)測赤潮爆發(fā)的關(guān)鍵信息。傳統(tǒng)監(jiān)測手段是用肉眼通過顯微鏡觀察海水樣本,人工分類和計(jì)數(shù)。這種方法不僅效率低下,并且要求操作人員具有專業(yè)知識,否則精度不能保證。將流式細(xì)胞技術(shù)與數(shù)字圖像處理、分類識別算法相結(jié)合研究開發(fā)的赤潮實(shí)時(shí)監(jiān)控系統(tǒng),可以迅速檢測出海

2、水樣本中藻類的類別和數(shù)量信息,已成為預(yù)測赤潮災(zāi)害的重要科研工具。
　　 本文對基于流式細(xì)胞技術(shù)獲取的赤潮藻類圖像進(jìn)行分類識別技術(shù)研究。針對海水樣本中藻類類別的多樣性和藻類同類別樣本的分布特點(diǎn),采用合適的分類算法,處理藻類圖像的分類識別問題,統(tǒng)計(jì)藻類樣本的數(shù)量,獲得預(yù)測赤潮的信息依據(jù)。主要研究內(nèi)容包括：⑴研究支持向量機(jī)和半監(jiān)督模糊C均值聚類這兩種傳統(tǒng)的分類算法,提出一種新的SVM-SNP-SFCM算法,結(jié)合兩大傳統(tǒng)分類器的特點(diǎn),對

3、支持向量機(jī)做出改進(jìn),更好的解決藻類圖像的多類分類問題。⑵針對赤潮爆發(fā)時(shí)某單一藻類數(shù)量激增的特點(diǎn),提出一種融合了主觀貝葉斯和SVM-SNP的分類算法,利用序列圖像包含的先驗(yàn)知識,對非均勻的藻類樣本監(jiān)測,能夠更貼近真實(shí)情況的反映赤潮優(yōu)勢種在藻類種群中的分布密度。⑶針對海水樣本中含有雜質(zhì)和未知藻類的特點(diǎn),研究拒識模式分類,提出一種包含拒識判別的分類算法,將一類支持向量機(jī)oc-SVM構(gòu)成的拒識層加入分類器,對海水樣本中的雜質(zhì)和未知藻類實(shí)現(xiàn)拒識判