基于信息融合技术的海洋浮游生物自动识别方法及系统技术方案

本发明专利技术属于图像分类识别技术领域，提供了一种基于信息融合技术的海洋浮游生物自动识别方法及系统，包括：获取海洋浮游生物的图像信息；依据获取的图像信息，以及预设的海洋浮游生物自动分类识别模型，得到海洋浮游生物的分类识别结果；本发明专利技术提取分割后图像信息的多色彩空间对应颜色通道的手工特征及深度特征，并将所述手工特征和深度特征融合后得到融合特征，通过筛选融合特征得到训练集，依据训练集，训练多个子分类器，集成多个子分类器得到海洋浮游生物自动分类识别模型。利用信息融合技术，构建了海洋浮游生物自动分类识别模型，实现了海洋浮游生物的自动分类识别，可以获得更加精准的海洋浮游生物分类结果。更加精准的海洋浮游生物分类结果。更加精准的海洋浮游生物分类结果。

【技术实现步骤摘要】
基于信息融合技术的海洋浮游生物自动识别方法及系统


[0001]本专利技术属于图像分类识别
，尤其涉及一种基于信息融合技术的海洋浮游生物自动识别方法及系统。

技术介绍

[0002]海洋浮游生物是海洋生态系统最基本的组成部分，在物质循环和能量流动中发挥着重要作用。海洋环境的变化，如富营养化和污染，会使一些浮游生物物种迅速增殖，造成有害赤潮。监测海洋浮游生物的丰度和种群变化可以评估海洋生态系统的健康状况，因此，实现海洋浮游生物的自动分类识别，对有效识别海洋浮游生物的种类和数量，以及对海洋生态环境保护具有重要意义。
[0003]专利技术人发现，现有的海洋浮游生物检测识别大多是依靠专业人员肉眼观察，存在专业知识要求高，工作量大等问题，实践时有很大的局限性。近年来，流式细胞仪等水下成像系统被应用于海洋浮游生物分类识别，但还是存在分类精度差和操作复杂等问题，实际应用性价比不高。

技术实现思路

[0004]本专利技术为了解决上述问题，提出了一种基于信息融合技术的海洋浮游生物自动识别方法及系统，本专利技术利用信息融合技术，构建了基于海洋浮游生物图像的机器学习模型，实现了海洋浮游生物的自动分类识别。其中，主要在于融合模型的构建，利用了多颜色空间特征融合方法，有效提取海洋浮游生物图像特征，并使用决策融合方法，集成多个子分类器的决策，获得更加精准的海洋浮游生物分类结果。
[0005]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0006]第一方面，本专利技术提供了一种基于信息融合技术的海洋浮游生物自动识别方法，包括：
[0007]获取海洋浮游生物的图像信息；
[0008]依据获取的图像信息，以及预设的海洋浮游生物自动分类识别模型，得到海洋浮游生物的分类识别结果；
[0009]其中，训练海洋浮游生物自动分类识别模型时，首先，将训练用海洋浮游生物的图像信息进行分割；然后，提取分割后图像信息的多色彩空间对应颜色通道的手工特征及深度特征，并将所述手工特征和深度特征融合后得到融合特征，通过筛选融合特征得到训练集；最后，依据训练集，训练多个子分类器，集成多个子分类器得到海洋浮游生物自动分类识别模型。
[0010]进一步的，对海洋浮游生物的图像信息进行分割，移除多余的背景图像，得到只含海洋浮游生物细胞的图像区域。
[0011]进一步的，首先，使用自适应直方图均衡算法来增强海洋浮游生物图像对比度，应用高斯滤波器去除图像噪声，使用大津法对图像进行二值化处理，突出显示目标海洋浮游
生物细胞的轮廓，得到海洋浮游生物的二值图像；然后，对海洋浮游生物的二值图像采用膨胀和腐蚀方法，获得连续的边界；最后，通过边缘检测算子提取海洋浮游生物细胞的边缘，去除背景后得到只含浮游生物细胞的图像区域。
[0012]进一步的，对RGB、HSV、Lab和YCrCb四个色彩空间的每个颜色通道分别提取海洋浮游生物图像的手工特征；利用深度网络提取海洋浮游生物图像的深度特征。
[0013]进一步的，对融合特征使用过滤式方法进行特征初筛，对每个子分类器分别使用嵌入式方法选择特征子集；对每个子分类器分别使用梯度提升决策树选择最优特征子集，梯度提升决策树由多个树模型训练；计算每个特征的基尼系数，以所有树模型上基尼系数之和的平均值作为重要程度标准，去除基尼系数低于重要程度标准对应的特征，得到每个子分类器的最优特征子集。
[0014]进一步的，随机选择一个分类边界上的少数类样本，计算边界上少数类样本到少数类样本集中所有样本的距离，得到多个近邻样本，再根据样本不平衡比例设置一个采样比例以确定采样倍率；对于每一个分类边界上的少数类样本，从少数类样本的多个近邻样本中随机选择采样倍率，对每个近邻样本选择一个随机数乘以近邻样本和少数类样本的特征向量的差，然后加上少数类样本的特征向量，得到新的样本。
[0015]进一步的，多个分类器分别是支持向量机、逻辑回归、随机森林、AdaBoost和梯度提升树。
[0016]第二方面，本专利技术还提供了一种基于信息融合技术的海洋浮游生物自动识别系统，包括：
[0017]数据采集模块，被配置为：获取海洋浮游生物的图像信息；
[0018]分类识别模块，被配置为：依据获取的图像信息，以及预设的海洋浮游生物自动分类识别模型，得到海洋浮游生物的分类识别结果；
[0019]其中，训练海洋浮游生物自动分类识别模型时，首先，将训练用海洋浮游生物的图像信息进行分割；然后，提取分割后图像信息的多色彩空间对应颜色通道的手工特征及深度特征，并将所述手工特征和深度特征融合后得到融合特征，通过筛选融合特征得到训练集；最后，依据训练集，训练多个子分类器，集成多个子分类器得到海洋浮游生物自动分类识别模型。
[0020]第三方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的基于信息融合技术的海洋浮游生物自动识别方法的步骤。
[0021]第四方面，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的基于信息融合技术的海洋浮游生物自动识别方法的步骤。
[0022]与现有技术相比，本专利技术的有益效果为：
[0023]本专利技术提取分割后图像信息的多色彩空间对应颜色通道的手工特征及深度特征，并将所述手工提特征和深度特征融合后得到融合特征，通过筛选融合特征得到训练集，依据训练集，训练多个子分类器，集成多个子分类器得到海洋浮游生物自动分类识别模型。利用信息融合技术，构建了海洋浮游生物自动分类识别模型，实现了海洋浮游生物的自动分类识别，可以获得更加精准的海洋浮游生物分类结果。
附图说明
[0024]构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
[0025]图1为本专利技术实施例1的海洋浮游生物自动分类识别模型结构图；
[0026]图2为本专利技术实施例1的海洋浮游生物图像自动分割模块的模型结构图；
[0027]图3为本专利技术实施例1的特征提取以及特征融合过程的模型结构图；
[0028]图4为本专利技术实施例1的对融合特征进行特征选择以及决策融合过程的模型结构图。
具体实施方式：
[0029]下面结合附图与实施例对本专利技术作进一步说明。
[0030]应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0031]实施例1：
[0032]本实施例提供了一种基于信息融合技术的海洋浮游生物自动识别方法，包括：
[0033]获取海洋浮游生物的图像信息；
[0034]依据获取的图像信息，以及预设的海洋浮游生物自动分类识别模型，得到海洋浮游生物的分类识别结果；
...

【技术保护点】

【技术特征摘要】
1.基于信息融合技术的海洋浮游生物自动识别方法，其特征在于，包括：获取海洋浮游生物的图像信息；依据获取的图像信息，以及预设的海洋浮游生物自动分类识别模型，得到海洋浮游生物的分类识别结果；其中，训练海洋浮游生物自动分类识别模型时，首先，将训练用海洋浮游生物的图像信息进行分割；然后，提取分割后图像信息的多色彩空间对应颜色通道的手工特征及深度特征，并将所述手工特征和深度特征融合后得到融合特征，通过筛选融合特征得到训练集；最后，依据训练集，训练多个子分类器，集成多个子分类器得到海洋浮游生物自动分类识别模型。2.如权利要求1所述的基于信息融合技术的海洋浮游生物自动识别方法，其特征在于，对海洋浮游生物的图像信息进行分割，移除多余的背景图像，得到只含海洋浮游生物细胞的图像区域。3.如权利要求2所述的基于信息融合技术的海洋浮游生物自动识别方法，其特征在于，首先，使用自适应直方图均衡算法来增强海洋浮游生物图像对比度，应用高斯滤波器去除图像噪声，使用大津法对图像进行二值化处理，突出显示目标海洋浮游生物细胞的轮廓，得到海洋浮游生物的二值图像；然后，对海洋浮游生物的二值图像采用膨胀和腐蚀方法，获得连续的边界；最后，通过边缘检测算子提取海洋浮游生物细胞的边缘，去除背景后得到只含浮游生物细胞的图像区域。4.如权利要求1所述的基于信息融合技术的海洋浮游生物自动识别方法，其特征在于，对RGB、HSV、Lab和YCrCb四个色彩空间的每个颜色通道分别提取海洋浮游生物图像的手工特征；利用深度网络提取海洋浮游生物图像的深度特征。5.如权利要求1所述的基于信息融合技术的海洋浮游生物自动识别方法，其特征在于，对融合特征使用过滤式方法进行特征初筛，对每个子分类器分别使用嵌入式方法选择特征子集；对每个子分类器分别使用梯度提升决策树选择最优特征子集，梯度提升决策树由多个树模型训练；计算每个特征的基尼系数，以所有树模型上基尼系数之和的平均值作为重要程度标准，去除基尼系数低...

【专利技术属性】
技术研发人员：高瑞，刘毅然，谯旭，
申请(专利权)人：山东大学，
类型：发明
国别省市：