海洋浮游植物分类是海洋生态环境研究和海洋调查的重要内容,本文选题来源于国家自然科学基金项目“中国海常见浮游植物种类细胞图像识别”(编号:60572064),通过采集细胞藻种不同生长时期、不同角度的多视点图像,以分形理论为基础,对浮游植物细胞显微图像识别进行了研究。分形理论是现代非线性科学研究中一个十分活跃的数学分支,在图像处理方面获得了广泛应用,特别是在信息技术发展的今天它成为计算机智能和非线性科学的研究热点之一。其中分形编码由于具有高压缩比的潜力而得到了迅速发展,近年来分形编码已经开始应用到图像识别领域。分形邻距是针对已经进行了分形编码的图像而定义的一种计算图像间相似程度的测距方式。由于分形编码携带了图像空间域的分布特征,而且分形编码的吸引子具有唯一不变性的特点,因而可以用于图像匹配,进而达到分类识别的目的。本文基于分形理论,以分形编码为基础,深入研究了分形邻距图像匹配方法,并针对浮游植物细胞显微图像,对传统方法进行了一定的改进,通过实验证明,改进方法较传统方法具有更好的识别效果。主要工作包括:1、传统的分形邻距反映的是待匹配图像和目标图像经过1次迭代后的解码图像的相似程度,而在迭代解码1次的情况下,解码图像并不能很好的收敛而且容易产生方块效应。本文针对浮游植物显微图像,对分形邻距的图像匹配方法进行了一定的改进,在几乎不影响解码效率的前提下,将解码过程中的迭代次数调整为4次,从而使解码后的图像能够更好收敛于吸引子(目标图像)的同时也消除了方块效应。通过实验,将改进的分形邻距用于浮游植物细胞显微图像匹配,较传统分形邻距方法得到了较好的识别结果,从而验证了改进方法的有效性和可靠性。2、对于浮游植物显微图像,分形邻距识别方法也存在一定的局限性,在藻种图像拍摄过程中,由于拍摄条件以及拍摄对象的不同,采集的图像会存在光照不均和拍摄角度上的差异。对于光照条件及拍摄角度相差较大的图像来说,直接使用分形邻距进行图像匹配会产生较大的误差进而影响识别效果。而由于奇异值分解具有旋转不变性和光照不变性等特点,将改进的分形邻距与奇异值分解相结合,使用分形奇异值邻距对不同角度和光照条件下的图像进行识别,较单独使用改进的分形邻距方法,提高了识别率,取得了较好的效果。