[發明專利]一種海洋微生物的實時監測方法

有效

• 申請號: 201310084911.2
• 申請日: 2013-03-15
• 公開（公告）號: CN103177243A
• 公開（公告）日: 2013-06-26
• 發明（設計）人: 陳耀武;劉雪松;田翔;周凡;蔣榮欣
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

技術領域

本發明涉及圖像處理和識別領域，具體涉及一種海洋微生物的實時監測方法。

背景技術

大面積海洋微生物的實時監測是海洋環境調查的重點和難點之一，國內外在近幾十年間做了大量的研究工作，但是所研制的水下顯微鏡裝置或者不具備目標微生物的智能識別功能，或者沒有在線實時分析功能，或者沒有特定微生物數量分布的測量與分析功能。

制約在線實時識別微生物的關鍵兩個因素是需要處理的數據量和數據的處理速度。一般來說，海洋中特定微生物的豐度很低，海洋微生物的水下顯微原位監測系統，需獲取大量海水樣品的影像資料并對其進行處理后才能取得有意義的科學數據。

通常情況下，連續采集一天的MPEG4標準清晰度的影像資料的存儲容量就達到20G以上，而一次海洋環境調查的時間可能在數十天以上，因而采集得到的視頻流本身就構成了海量的數據，而在處理過程中要將視頻流中的幀保存成圖像，數據量又會進一步加大，而且圖像的處理中又涉及多步計算過程，尤其是圖像中目標候選區域特征的提取非常耗時，如果選取特征數目太多，則處理速度太慢，達不到實時性的要求，如果特征數目選取太少，則會造成信息不足，增加了識別的錯誤率。

海洋微生物實時監測系統可以利用海洋監控裝置中的顯微鏡下拍攝到的視頻圖像實時地、自動地發現特定微生物的存在，并且記錄數據，定時估算海域內特定的微生物的分布密度，如果特定微生物的分布密度超標，則在終端軟件上產生報警信息，以引起海洋監測人員的注意，監測系統的關鍵在于目標微生物的特征提取和識別。

特征提取作為微生物識別的關鍵步驟，是指將待識別的圖像中的前景區域從背景區域中分離出來后，對該部分具有代表性的前景圖像的像素局部或整體特性進行整合和計算的過程，然而由于拍攝微生物的角度不同，微生物軀體的舒張情況不同，都會對特征計算產生很大的影響。

目前通常選用的特征有：灰度特征：例如均值、標準差、眾數、中位數等；形態特征：例如方向、周長、面積、密集度、形態比、歐拉數、最遠兩點間距離等；形狀特征：例如曲率、等效橢圓軸長、不變矩、傅立葉描述子等；紋理特征：例如共生矩陣、馬爾科夫隨機場等。

現有技術中主要的識別算法有BP神經網絡和特征統計識別算法，BP神經網絡首先提取待識別目標的各種特征；然后將特征送到神經網絡中訓練，使訓練好的神經網絡對特征敏感；最后將待識別目標預處理、提取特征后送到神經網絡中進行識別。特征的提取是該算法研究的關鍵，特征參數過少會引起判斷上的歧義，過多會增加訓練時間。由于特征選取比較復雜，而且神經網絡結構復雜，識別速度較慢，不能滿足實時性的要求。

特征統計識別算法提取待識別目標的一組統計特征，再按照一定準則下確定的決策函數進行分類判決。支持向量機分類方法是特征統計識別算法方面比較新的進展，該方法對可區分的二分類問題的最優分類可以通過最大化兩類的空白區域（即間隔，margin）得到。間隔寬度的定義是n維特征空間的判別超平面和最近的訓練模式（支持向量）之間的距離，因此，支持向量確定了判別函數，當存在多個判別超平面時，通過確定兩個類別的最優判別超平面，可以有效避免過擬合問題（即對于訓練樣本具有較高的識別率，但是對于測試樣本識別率卻很低）。

由于待檢測的字符二值圖片只有0和1兩種像素點，因此它的識別是典型的二分類問題，可以用支持向量的分類方法進行解決；而且支持向量的方法能夠有效表達線性不可分的數據的抽象特征，利用核函數將數據映射到高維特征空間，然后在高維特征空間中進行線性劃分，這一特征可以對相近字符進行更有效的分類和識別，而且對于不清晰和有污漬的字符也有更好的判別效果；另外，SVM（支持向量機）離線生成存有判別函數的model文件，在實際識別過程中，只需要在程序初始化時將model文件一次讀入內存，之后就能快速進行字符的識別，SVM的識別方法能夠兼顧識別速率和識別正確率。

發明內容

本發明提供了一種海洋微生物實時監測方法，可以應用于大面積的海洋微生物的實時監測，依據海洋環境監測時得到的視頻流，進行海洋微生物的快速識別，丟棄沒有微生物存儲的圖像，節省了存儲容量，提高了數據處理速度。

一種海洋微生物的實時監測方法，包括以下步驟：

（1）以視頻流的形式實時采集海洋中待監測區域的水域狀況，并從視頻流存儲的圖像中選取最初的若干幅圖像計算得到背景圖像。