基于SVDD和SVM的赤潮藻类识别

作者：江涛; 王程; 王博亮; 谢杰镇; 焦念志; 骆庭伟

来源：厦门大学学报(自然科学版), 2010, (01): 47-51.

• 赤潮
• 支持向量数据域
• 特征提取
• 流式细胞技术 red tide
• support vector data description
• feature extraction
• flow cytometry

提出了一种基于支持向量机(SVM)和支持向量域描述(SVDD)的赤潮藻类分类系统.该系统是赤潮藻类流式监测系统的子系统.设计这套系统的主要难点在于:1)同一种藻类的形态由于个体差异和生长期不同而不同;2)藻类图像是任意位置三维目标在成像平面的投影,投影存在任意性并可能产生局部遮挡;3)藻类图像包含非目标藻类和杂质.在特征提取算法的基础上,首先对输入的藻类采用SVDD进行拒识或接受处理,最后针对接受的藻类再利用基于超平面分割的SVM分类器进行分类判决.实验证明:基于SVM和SVDD的赤潮藻类分类系统分类精度更高并具有较好的拒识性能,是一种较好的藻类自动分类方法.

• 单位
  国防科技大学; 厦门大学; 近海海洋环境科学国家重点实验室