郭春锋，姬光荣，郑海永

（中国海洋大学信息科学与工程学院，山东 青岛266100）

显微观察技术对于未知种群的生物识别及常见藻类的现场检测方面仍具有较强的实用性［1］，目前仍是海洋赤潮生物定性与定量研究的主要技术手段。Andrei C.Jalba等［2－3］运用分水岭方法，通过连通算子标记，对ADIAC项目［4］硅藻库进行图像分割，得到较好的分割效果；在此基础上，又研究了基于数学形态学的多尺度方法，结合轮廓和纹理特征，进行分类识别，识别率达到90%以上。高亚辉等［5－6］对浮游植物显微图像进行了基于数学形态学和模糊算子的边缘检测研究；骆巧琦等［7］又提出了双轮廓叠加法以提取11种硅藻图像的轮廓，并用BP神经网络的方法对其进行自动识别。Ivica Dimitrovski［8］等采用预测聚类树（PCT）作为分类器对ADIAC的硅藻数据库图像进行了多层次的分类，获得了比较好的效果。但这些研究大多针对多类藻种只用一种目标分割方法和一组特征集进行图像分割和特征提取，由于不同门类的藻种形态差异过大，所以对某些藻种难以进行有效的分割并确切地描述其特征，而且其针对性太强，不易推广。本文通过对赤潮藻类细胞生物形态学细节特征进行分析，发现角毛藻细胞主链上生有形态各异的角毛，跟其它藻种之间的差异较大，因此结合计算机图像识别的特点，以有无角毛、有无横纵沟、有无尖顶刺作为分类依据，设计了三级分类器，并建立树状判别体系，该研究提高了识别藻类细胞的准确率。……