基于形状特征描述子的赤潮优势种识别研究

研究了赤潮优势种识别技术,该技术运用在基于流式细胞技术的赤潮实时监控系统中.由于不同生长周期和拍摄视角对藻类细胞的形态有较大的影响,仅用一种特征就将藻类分开是不现实的.采用3种形状特征描述子提取特征,再利用多级主特征向量评估准则进行特征融合和降维,最后使用SVM进行分类.通过对6类我国附近海域常见赤潮优势种的3000个样本的自动分类实验结果表明,识别精度可以达到95.80%,与人工识别精度相当,具备较高的实用性.

基于流式细胞摄像技术(FlowCAM)的赤潮藻类识别分析初探

采用流式细胞摄像系统(Flow Cytometer And Microscope,FlowCAM)技术,构建了福建南部海域的赤潮生物图谱数据库,并利用该数据库分别用VisualSpread软件自动识别法和描述子分析算法(MATLAB)来鉴定样品,对两种方法的识别精确度进行了比较。VisualSpreadsheet专业软件分析能力达到98.2%的平均精度,自主开发的特征描述子分类器达到94.1%的平均精度,拓展了实验设备的应用范围。

傅里叶识别分析在赤潮生物自动识别中的应用研究

本文研究了赤潮优势种识别技术,并实际运用于厦门大学流式细胞技术的赤潮实时监控系统FCAM。使用傅里叶形状特征描述子分析结合SVM算法作分类计算,通过对2009年4～10月厦门海域6种最常见的赤潮优势种的3000个样本为专门研究,并结合另外2种描述子算法将实验结果的识别精度提高到95.8%,具备较好的代表性。