珠海海洋环境监测中心站广东珠海519000
摘要：在海洋生态系统的研究中，浮游动物的测量一直都是复杂且费力的。近年来，通过图像处理的方法逐渐应用于此，这种测量方法不仅局限于实验室，还能应用到原位现场。本文根据浮游动物在显微镜下的活动特点，提出基于模板匹配方法和不变矩方法相结合来测量浮游动物，这种方法不受浮游动物旋转变化的影响，实验证明这种方法比传统的测量方法效率更高，速度更快，并且准确率高，适合用于测量浮游动物。
关键词：模板匹配；不变矩；浮游动物
浮游动物是海洋生态学研究的重要对象。传统测量方法是先进行取样，然后人工鉴定、计数，这样的方法费时费力，不能满足海洋科学的发展需求。利用图像处理技术来测量浮游动物的方法越来越值得人们研究，目前这方面的研究已经取得了显著的成果。
科学技术的不断进步，浮游生物的测量也不仅局限于传统方法，而是逐渐的向原位观测分析的方向发展。因为原位观测平台的计算资源有限，导致根据海洋生物特征来进行智能识别的测量方法效率不高，所以本文提出了将模板匹配方法和不变矩方法相结合的测量方式。
1.图像分析方法
1.1图像分析方法步骤
本文中所提出的测量方法的步骤可以大致的简述为以下几点：
（1）对图像进行简要的处理，确定想要测量的区域。
（2）利用图像分割的方式，创建模板。
（3）进行模板匹配，对要测量的范围进行初步限定。并求出模板和图像中动物的质心不变矩和中心坐标。对不变矩进行比较，如果差值小于阈值则初步判定是所要测量的浮游动物。
（4）对齐两个质心，用相关的图像处理方法把模板和图像中的目标对齐，确定目标是不是所要测量的浮游动物，并计算它的尺寸。
1.2图像预处理
如图1所示，是浮游动物在显微镜下的图像，由图可以看出，图像中有很多噪声、碎片和光的干扰，需要对此进行处理。增强图像质量的方法有两种，一种是空域，一种是频域。从图1中我们可以看出图像的噪声主要为椒盐噪声，采用空域增强的方法即可。
1.3分割图像，创建模板
进行图像分割既是检验图像预处理的需要，也是创建模板的前提。本文利用灰度直方图来确定阈值，用数学形态学和Canny边缘检测算子等图像分割算法，得到的边缘可以清楚的体现浮游生物的形状特征，还可以用其中的区域来做模型。
（1）确定阈值，进行目标分割。
图1中的浮游动物显微图像的灰度直方图如图3所示，可以看出，灰度值在30～120之间，为浮游动物本体像素，大于120时，则为背景像素，由此可确定120为阈值T，进行目标分割。
图4初步阈值分割（a）和最终阈值分割
（2）用Canny算子对浮游动物边缘进行检测
用Canny算子检测的方法能够比较精确的得到浮游动物的轮廓边缘，其步骤如下：
①高斯平滑滤波。
②抑制非极大值，保留局部梯度最大的点。
③因为噪声的影响，在进行抑制非极大值后，得到的并不都是浮游动物的边缘，要再进行去伪处理。首先绘制梯度幅度图，用图中的像素数目比例来确定高阈值，0.4倍的高阈值作底阈值。虽然高阈值的去噪声效果较好，但是会破坏边缘信息，所以再用低阈值进行边缘信息补充。由此得到较为清晰的边缘效果图，如图5。
图6数学形态学处理后的图像（a）和由图像分割所创建的模板（b）
1.4不变矩与模板匹配
（1）求不变矩特征
上述方法能够提取出浮游生物的区域和轮廓，以此来构建模板，因为浮游生物的形态千姿百态，为了匹配不同的目标，将采用平移、旋转等方法来减少误差。不变矩的特征在（m+n）阶段定义为：
μｍｎ＝ΣｘΣｙ（ｘ－ｘ０）ｍ（ｙ－ｙ０）ｎｆ（ｘ，ｙ）（１）
其中（ｘ０，ｙ０）是中心坐标，为了使中心不变矩不随着平移、旋转或者缩放而改变，要对其进行归一化处理，总结为：ηｍｎ＝Ｄｍｎ/Ｄｒ００，ｒ＝（ｍ＋ｎ）/２＋１（２）
（2）模板匹配过程
将上述求不变矩的方法与计算机中的模板相匹配，用来识别浮游动物的图像，具体步骤为：
①在已经创建好的模板上进行初步的筛选，利用图形金字塔的方法来提高搜索的速度，再利用归一化的系数作匹配标准，经过灰度分布标准化处理的滤波窗口，用动物模板进行匹配，如果相应的系数超过0.25，则通过筛选。这种方法误差稍大，所以要求进一步提高精度。
②计算匹配的目标的中心矩，与模板的中心矩相比较，设定好阈值，如果比较的差值小于这个阈值，则初步确定为模板表示的动物。最后缩放模板，进一步确定图像中的动物的旋转角度。计算公式为：
缩放：ｘ２＝Ｎ（ｘ１－ｘ０）＋ｘ０
ｙ２＝Ｎ（ｙ１－ｙ２）＋ｙ０（３）
旋转：ｘ２＝（ｘ１－ｘ０）ｃｏｓθ＋（ｙ１－ｙ０）ｓｉｎθ＋ｘ０
ｙ２＝（ｙ１－ｙ０）ｃｏｓθ＋（ｘ１－ｘ）ｓｉｎθ＋ｙ０（４）
其中（ｘ１，ｙ１）为原坐标，（ｘ２，ｙ２）为像素的新坐标，（ｘ０，ｙ０）为形心坐标，N是缩放系数，θ代表旋转的角度。
2实验验证
本文的实验体为南海中的浮游动物，并用Halcon图像处理库进行本实验的研究。总共选取了100幅浮游动物的显微图像，图7是本实验中的部分示例图，我们可以通过图来看到动物的尺寸以及形态，根据上文提到的方法来创建动物模板。本实验一共检测出71幅图像所对应的动物，准确率达到了88.75％，实验的部分结果如图8所示。
图8匹配和计数结果
将本实验检测出的模板对应的动物的尺寸和实验室显微镜测量的动物的尺寸向对比，浮游动物的长度以像素为单位，需要进行单位换算，公式为：1像素=0.0035mm（5）
得出表1的相关数据。
表1浮游动物形态特征测量数据
根据表1中的数据，我们可以看出误差值在0.032～0.106，说明本文提出的方法是可行的，这种测量方法速度较快，能在很大程度上提高海洋动物研究的效率，值得研究运用和推崇。
3.结语
本文通过用模板匹配和不变矩结合的方法对浮游动物进行了实验测量，与传统的测量方法相比，此方法的稳定性较强，计算比较简单，且耗时相对较少，识别率也比较高，对于此种测量方法的运用，还需要进一步进行实验研究，提高实用价值。
参考文献
[1]吴小艳,王维庆,杨春祥,等.基于模板匹配的数字图像识别算法[J].兵工自动化,2015(6):98-98.
[2]方天柱.基于级联模板匹配的目标定位[J].福建电脑,2011,27(10):92-94.3
[3]王洋.一种基于模板匹配的交通标志识别方法[D].吉林大学,2013.