论文摘要：用于青鳉鱼生理特征监测的机器视觉关键技术研究

以青鳉鱼为代表的鱼类模式生物在水安全领域具有很高的应用价值，它的多种生理特征和行为特性可以反映水质的污染状况，因此开发基于这种生物的水质安全预警系统已成为国内外环境科学研究的热点，至今已存在多种实现技术。其中，相对于其它方法，机器视觉技术可以有效的捕捉到鱼类模式生物的所有表面特征，且成本十分低廉，易实现自动化。但受硬件和软件技术限制，目前这项技术尚不够完善，存在许多尚未解决的问题。

针对这些问题，本研究开发了一套可靠的全自动青鳉鱼实验平台，在去除视频图像背景、鱼体跟踪、鱼鳃、胸鳍和尾鳍摆动频率的识别和计量等关键技术上提出了新的机器视觉算法，并进行了部分青鳉鱼毒理验证实验。全文的主要研究内容如下：

1.设计了一套用于青鳉鱼观测的实验平台。为了保证摄像机可以观测到青鳉鱼的大多数毒理特征、减少摄像机视野中的背景（减轻后续视觉算法的运算压力）、提高毒理实验的效率、并适应鱼体的游动高度和距离，本文采用了新的观测角度。研发了一套包括目标容器、旋转式换缸平台、带有自动对焦能力的摄像装置和控制系统在内的全自动实验平台。

2.为了可靠的去除环境背景和摄像机视野中的绝对大多数干扰像素，本文开发了一套结合了背景差分法、帧间差分法和二维OTSU阈值分割法的组合背景去除算法。该算法的提取效果较类似算法更优，可以自动提取前景目标，为后续算法能够实现打下了基础。

3.为了能够实现在干扰状态下仍然能够可靠地跟踪鱼类运动行为的功能，本文提出一套结合了颜色分类法、去除背景算法、kalman滤波和局部运动梯度法和Camshift算法的鱼体跟踪算法。该算法可以实时识别并跟踪到包括位移、速度和移动方向在内的青鳉鱼核心行为信息。它们可以进一步演化为其它包括青鳉鱼绕圈、浮头和逆趋流性等在内的扩展特征。

4.为了能够可靠的提取到青鳉鱼胸鳍和尾鳍的关键点，本文对每帧图像中使用了基于距离变换的卷积、颜色分类表、骨架细化和去毛刺的组合识别算法。不仅得到了较为理想的青鳉鱼骨架模型，还实现了实时获取其胸鳍和尾鳍活动信息的功能，实际的毒理实验表明本文提出的方法是可行的。

5.为了有效的计量鱼鳃的呼吸频率，本文研究了青鳉鱼鳃部特征的像素分布规律，得到了可靠的颜色分类表，再通过融合Adaboost和SVM两种分类器算法的核心思想，提出了一套青鳉鱼呼吸信息识别算法。随后通过对该算法的铜离子毒理应用实验，验证了此算法的有效性。结果发现，算法可以有效的获取青鳉鱼的呼吸信号；整个系统可以长时间自动识别并监测青鳉鱼呼吸频率的变化。此外，本文还得出了青鳉鱼的呼吸频率随铜离子浓度变化而产生相应变化的规律。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/292666.html