学校编码：10384 分类号 密级 学号：200326019 UDC

硕 士 学 位 论 文

海洋硅藻显微图像自动识别方法研究

Research on Automatic Identification of Marine Diatom

Microscopical Images

高 华

指导教师姓名：高 亚 辉 教授

专 业 名 称：水 生 生 物 学

论文提交日期：2006 年 4 月

论文答辩时间：2006 年 6 月

学位授予日期：2006 年 7 月

答辩委员会主席：

评 阅 人：

2006 年 6 月

厦门大学博硕士论文摘要库

厦门大学学位论文原创性声明

兹呈交的学位论文，是本人在导师指导下独立完成的研究成果。本

人在论文写作中参考的其他个人或集体的研究成果，均在文中以明确方

式标明。本人依法享有和承担由此论文而产生的权利和责任。

声明人（签名）：

年 月 日

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

I

目录

摘 要 .....................................................................................................................1

英文摘要 .....................................................................................................................3

第一章 前言 ..............................................................................................................5

1.1 硅藻的生态作用 .......................................................................................................... 5 1.2 硅藻的细胞结构 ......................................................................................................... 5 1.3 硅藻自动识别意义...................................................................................................... 6

1.3.1 硅藻分类的应用领域...................................................................................6 1.3.2 传统分类方法................................................................................................8 1.3.3 传统检索手段................................................................................................8 1.3.4 硅藻鉴定自动化的迫切性...........................................................................8

1.4 藻类自动识别方法概述 .....................................................................................9 1.5 基于显微图像的图像分析原理 ........................................................................12 1.6 藻类显微识别研究现状 ...................................................................................15

1.6.1 基于显微图像的模式识别在各领域的应用..............................................15 1.6.2 硅藻显微自动识别......................................................................................17

1.7 藻类网络数据库 ................................................................................................18 1.8 本文研究的目的和意义 ....................................................................................19

第二章 材料与方法..............................................................................................21

2.1 图像采集系统及处理平台 ................................................................................21 2.1.1 硅藻显微前期处理......................................................................................21 2.1.2 图像采集系统..............................................................................................21 2.1.3 计算机自动识别及数据库实现平台..........................................................21

2.2 基于 WEB 硅藻图像数据库 ..............................................................................22 2.2.1 数据库中各类浮游植物的组成..................................................................22 2.2.2 数据库结构..................................................................................................24 2.2.3 客户端界面设计..........................................................................................24

2.3 显微自动识别流程 ............................................................................................26 2.4 硅藻图像分割 ....................................................................................................27

2.4.1 图像预处理..................................................................................................27 2.4.2 本文所采用的图像分割方法......................................................................27 2.4.3 基于灰度特征的阈值分割法......................................................................28 2.4.4 基于边缘检测的分割技术..........................................................................29 2.4.5 基于区域的分割方法..................................................................................32 2.4.6 数学形态学..................................................................................................33 2.4.7 曲线拟合.....................................................................................................34

2.5 特征提取 ............................................................................................................36

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

II

2.5.1 轮廓特征提取..............................................................................................36 2.5.2 纹理特征提取..............................................................................................38

2.6 神经网络分类器 ................................................................................................39

第三章 结果与讨论..............................................................................................42

3.1 网络数据库设计探讨 ........................................................................................42 3.2 图像分割结果及探讨 ........................................................................................43

3.2.1 硅藻显微图像预处理.................................................................................44 3.2.2 各种分割算法性能比较..............................................................................45

3.3 特征提取及分类效果 ........................................................................................55 3.3.1 轮廓特征选择及分类..................................................................................55 3.3.1.1 基于简单形状描述子分类 ................................................................57 3.3.1.2 基于标记图分类 ................................................................................61

3.3.2 纹理特征选择及分类..................................................................................64 3.3.2.1 对圆形硅藻的分割校正 .......................................................................64 3.3.2.3 纹理特征选择 .......................................................................................66 3.3.2.3 纹理特征分类 .......................................................................................70

第四章：结论 .........................................................................................................72

第四章：结论 .........................................................................................................73

参考文献 ...................................................................................................................75

致谢 ............................................................................................................................79

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

III

Content

ABSTRACT IN CHINESE..................................................................................1

ABSTRACT IN ENGLISH .................................................................................3

CHAPTER 1 PREFACE ......................................................................................5

1.1 ECOLOGICAL SIGNIFICANCE OF DIATOM .................................................................. 5 1.2 CELLULAR STRUCTURE OF DIATOM ........................................................................... 5 1.3THE SIGNIFICANCE OF AUTOMATIC DIATOM IDENTIFICATION............................... 6

1.3.1 The application of diatom ..............................................................................6 1.3.2 Traditional methods for diatom identification ...............................................8 1.3.3 Traditional methods for searching .................................................................8 1.3.4 Requirement of automatic diatom identification ...........................................8

1.4 GENERAL INTRODUCTION OF THE METHODS OF AUTOMATIC ALGAE IDENTIFICATION .........................................................................................................9 1.5 THE PRINCIPLE OF MICROSCOPIC IMAGE ANALYSIS..........................................12 1.6 THE STATE OF THE ART IN ALGAE MICROSCOPIC IMAGE IDENTIFICATION .......15

1.6.1The application of microscopic image pattern classification........................15 1.6.2Automatic Identification of Diatom Microscopical Image...........................17

1.7 WEB DATABASE OF ALGAE..................................................................................18 1.8THE MAIN CONTENT OF THIS RESEARCH ............................................................19

CHAPTER 2 MATERIALS AND METHODS ..........................................21

2.1 THE IMAGE ACQUISITION SYSTEM AND PROCESSING PLATFORM......................21 2.1.1 The preprocessing of diatom sample ...........................................................21 2.1.2 The image acquisition system......................................................................21 2.1.3 Operation platform.......................................................................................21

2.2 DIATOM IMAGE DATABASE.................................................................................22 2.2.1 The composition of phytoplankton in this database ....................................22 2.2.2 The structure of the database .......................................................................24 2.2.3 The design of the client interface.................................................................24

2.3 THE OVERVIEW OF IMAGE AUTOMATIC IDENTIFICATION..................................26 2.4 THE SEGMENTATION OF DIATOM IMAGE............................................................27

2.4.1 The preprocessing of the image ...................................................................27 2.4.2 The general introduction of the methods of segmentation of this research .27 2.4.3 The threshold method based on histogram character...................................28 2.4.4 The edge detection method ..........................................................................29 2.4.5 The region-based methods ...........................................................................32 2.4.6 Arithmetic morphology................................................................................33 2.4.7 Curve fitting methods ..................................................................................34

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

IV

2.5 THE FEATURE EXTRACTION ...............................................................................36 2.5.1 The contour feature extraction .....................................................................36 2.5.2 The texture feature extraction ......................................................................38

2.6 THE ARTIFICIAL NEURAL NETWORK CLASSIFIER ..............................................39

CHAPTER 3 RESULTS AND ANALYSIS ..................................................42

3.1 THE DISCUSSION ON WEB DATABASE..................................................................42 3.2 THE RESULTS AND ANALYSIS ABOUT SEGMENTATION ........................................43

3.2.1 The preprocessing of diatom microscopic image ........................................44 3.2.2 The comparison of different segmentation methods....................................45

3.3 THE FEATURE EXTRACTION AND CLASSIFICATION RESULTS .............................55 3.3.1 The feature extraction and classification of the contour ..............................55

3.3.1.1 The classification based on simple morphology descriptors .................57 3.3.1.2 The classification based on signature image .........................................61

3.3.2 The feature extraction and classification of the texture ...............................64 3.3.2.1 The segmentation adjustment on the round diatom...............................64 3.3.2.2 The feature extraction of the texture .....................................................66 3.3.2.3 The classification based on texture feature ...........................................70

CHAPTER 4 CONCLUSION ..........................................................................72

REFERENCE.........................................................................................................75

ACKNOWLEDGES.............................................................................................79

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

1

摘 要

硅藻是一类广泛分布的单细胞生物，是水生生态系统中的 主要初级生产

者，也是水生生物资源的重要组成部分，在海洋生态系统的物质循环和能量流动

中起着极其重要的作用。同时，硅藻还在许多领域中具有广泛的应用前景，如赤

潮监测、水产养殖、水质监测、资源调查、古环境分析、石油勘探、法医鉴定等。

所有这些都依赖于对硅藻种类的准确鉴定和识别。硅藻细胞的细胞轮廓及纹理结

构具有种的特异性和稳定性，硅藻分类学家正是借助这些形态差异对其进行有效

的人工分类鉴定。借助显微镜扫描系统以及计算机图像处理和模式识别技术可以

将硅藻这些具有种特异性的细胞轮廓和纹理结构特征转化计算机所能识别的图

像信号，实现基于硅藻细胞形态特征和细胞纹理结构特征的计算机自动识别系

统。因此，本文研究提出了一套利用硅藻的显微图像实现识别自动化的方法。

首先，在光学显微镜下拍摄硅藻细胞图像，并将其数字化。

其二，对硅藻显微图像进行预处理。利用图像代数除运算将硅藻显微图像采

集过程中由物镜到 CCD 之间的杂质所造成的影响消除，收到良好效果。

第三，对硅藻显微图像进行图像分割。分别分析了基于自动阈值的方法、直

方图搜索法、轮廓叠加法、边缘检测模板、Canny 法、基于区域方法和基于 Top-hat

的方法等几种算法的优劣。 终设计并采取了基于 Top-hat 的直方图搜索法实现

了对硅藻显微图像的分割，从很大程度上克服了光照不均衡、轮廓虚焦等困难，

使图像轮廓信息损失小，保持了细胞的集合特征，保证了较高的识别率。同时，

利用圆形硅藻的特点，创造性地利用曲线稳健拟合的方法对其进行分割校正，为

后续纹理特征的正确提取提供了保证。

第四，对硅藻图像特征识别，包括进行基于轮廓特征的识别和基于纹理特征

的识别。其中基于轮廓特征的识别是根据硅藻细胞形态类型的多样性，分析了采

取标记图及简单形状描述子（包括圆度、椭圆度、三角度、矩形度、宽长比等）

特征提取方法的特征表达能力；采用了决策树多类分类器进行分类其中，各节点

使用直观经验值进行判别。可成功从 49张硅藻显微图片中识别出 11种浮游硅藻。

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

2

对硅藻图像进行基于纹理特征的识别时，针对圆形硅藻纹理特征，尝试多种

纹理特征提取方法，包括 radon 变换、傅立叶变换和颗粒度测定等方法；采取了

人工神经网络中的 BP 网络对 6 类圆形硅藻进行识别；采用 leave one out 方法进

行测试， 终识别率达到 96.2%，效果很好。

与此同时，本文还初步构建了一个基于网络的我国沿海常见浮游植物分类信

息和生态分布信息的数据库，其网络查询界面可实现多分类参数查询。目前该数

据库已收录我国常见浮游植物 144 种，特征图片 704 张，以硅藻门（93 种）和

甲藻门（40 种）为主。

关键词：硅藻；显微图像；自动识别

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

3

Research on Automatic Identification of Marine Diatom

Microscopical Images

Abstract

Diatoms are a large and ecologically important group of unicellular algae found

in water and other places wherever there is humidity. Diatoms have applications in a

number of areas like redtide monitoring, aquiculture, water quality monitoring,

environment investigation, paleoenvironment analysis, oil exploration, forensic

pathology. All these application require identification of different species present in

the sample of interest. In fact, the identification and taxonomy of diatoms is based on

the morphological characteristics of their silica valves including shape and texture,

and these morphological characteristics vary greatly between species and genera.

The microscopical scanning system, image processing and pattern recognition tools

could be used for identification of diatom.

In this article, we have proposed a framework for automatization of diatom

identification by microscopical digital image analysis.

At the stage of image preprocessing, the goal is the enhancement of the images

of diatoms because there are impurities between the objective lens and CCD. We

implemented an arithmetical divide method and have a good result.

At the stage of image segmentation, several segmentation techniques were

analyzed covering all standard types and new methods, i.e., threshold techniques,

histogram searching method, contour superimposition methods, boundary-based

methods, region-based methods, and techniques based on top-hat transform. The best

results were obtained by a new hybrid method based on top-hat transform. We also

present an approach to do the segmentation adjustment using robust regression for the

round diatom.

To classify the diatom using the contour information, we describe several

contour feature set like signature plot, and morphometric descriptors including the

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

4

followings: the roundness, ellipticity, triangularity, rectangularity, and the

width/height ratio. And we use the decision tree to classify the contour feature pattern,

the threshold of conditions arise from the experts experience. The experimental results

show that the classification accuracy is good from the 49 image in a set of 11 kinds of

diatom.

We also present methods used to analyze the texture characteristic of round

diatom. Our approach combines grayscale morphological granulometries and Fourier

spectrum features. The classification accuracy is tested using leave on out methods.

The classification carried out using a BP neural network get a promising result of

96.2% from a set of image including 6 kinds of round diatom.

We also provide a web-based ecological database of common marine

phytoplankton in coastal waters of China. The database contains species description

information and 704 characteristic images of 144 species or varieties of common

phytoplankton including 93 species of diatoms and 40 species of dinoflagellates,

especially red tide causative organisms.

Key Words: diatom; microscopical image; automatic identification

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

5

第一章 前言

1.1 硅藻的生态作用

硅藻是一类广泛分布于各类生境的单细胞生物，是海洋和淡水水域中常见且

丰富的生物类群。它是海洋初级生产力的重要组成部分，占据了全球近 20%的净

固碳产量（达到每年 20Pg），超出了陆地所有雨林的固碳量的总和。硅藻是浮游

动物、贝类、鱼类等的直接和间接饵料，是水域生态系统食物链中的重要环节，

有‘水中牧草’之称。浮游硅藻的盛衰必然影响到浮游动物，经济鱼类和贝类的相

应变化。对生态系统的平衡起着至关重要的作用[1]。除此之外，硅藻许多领域都

有广泛的应用，如水产养殖、水质检测、法医鉴定，石油勘探、赤潮预报等方面。

1.2 硅藻的细胞结构

大部分硅藻的大小处于 10－200μm 之间，凭肉眼无法直接看到，直到人们

发明了显微镜后才被发现，有人证明在 早列文虎克的样品中有硅藻的存在，

初对硅藻做出描述的是一位英国人（1703），他对一种淡水硅藻 Tabellaria 做了手

绘图[2]。直至现在，据估计，硅藻种类多达 20 万种，据估计，硅藻种类多达 20

万种，大部分未被描述和命名[1]。世界范围内已记载的大约有 300 个属 12000 种，

其中中国海域已记载的种类约 1300 种，其中中心纲 58 属 461 种（变种、变型）。

硅藻细胞的结构与一般植物细胞相似，由外向内, 依次为细胞壁、质膜和原

生质。原生质中有一细胞核,一至几个载色体(相当于叶绿体)，以及液泡、线粒体、

内质网、高尔基体、微管等细胞器。中心硅藻的载色体多呈颗粒状，羽纹硅藻的

则为片层状，其中含有叶绿素 a、c 及叶黄素等。硅藻的主要储藏物质为脂肪，

以小粒状散布在细胞内。硅藻的细胞壁形似小盒，由上，下两块组成。套在外面，

形状较大的称为上壳（epitheca），套在里面，形状较小的，称为下壳(hypotheca)。

上下相连带总称为壳环带（girdle band）。硅藻的细胞壁由硅质（SiO2• nH2O）和

果胶质(pectin)组成。细胞壁无色，有些种类在显微镜下由于光线折射和反射的效

果，会产生颜色和光泽[3]。

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

6

硅藻的一个显著特点是包裹其外表的高度纹理化的硅质细胞壁，‘硅藻’也因

此得名。不同硅藻的纹饰通常也不一样，因而是硅藻分类的重要特征之一。根据

壳面纹饰的排列方式及纵沟的有无，硅藻可分为中心硅藻纲和羽纹硅藻纲。中心

纲硅藻细胞壁上的花纹基本上是六角形，形成花纹的原因是细胞壁向内部凹入，

成为很多小室。小室的外面有一层硅质薄膜，膜内布满许多小穴，从壳面观呈现

许多小点。小室内面又有一层硅质薄膜，在膜的中央有一圆形大孔。因此在显微

镜下观察时，孔纹在不同的焦平面上呈现不同的形态，首先看到小点的薄膜，向

下是明确的六角孔纹，再下层则看到圆形的内膜大孔。中心纲硅藻的孔纹都是辐

射对称排列的。羽纹纲硅藻细胞壁的花纹主要是点纹，它们常常紧密靠近成直线

状，称为点条纹（striae），点纹都是左右对称排列的[3]。

硅藻细胞壁的表面突出物有突起和刺毛，有的还有胶质块向外突出，起着增

加浮力和相互连接的作用。1.突起。是细胞壁向外的头状突出物。例如盒形藻，

弯角藻(Eucampia)。2.刺。如入双尾藻，豪猪刺冠藻（Corethron hystrix）。3.毛。

如角毛藻。4.膜状突起。如太阳漂流藻。5.胶质突出物。这些也都可以作为硅藻

种类形态学鉴定的特征依据。

1.3 硅藻自动识别意义

1.3.1 硅藻分类的应用领域

硅藻拥有许多特性使其在地质科学、生命科学等众多领域可以作为优秀的指

示生物。首先，它分布广泛，无论是水域或是陆地，两极或是温、热带，海水还

是淡水，都有硅藻种群的存在；其次，硅藻特有的硅质壳使其死后的残骸经过时

间、恶劣环境的侵蚀仍能得以保存。而硅藻的鉴定基于对其硅质壁的观察，所以

从化石或海底沉积物中发现的硅藻残骸标本可以通过显微观察得以正确分类；第

三，硅藻对一定范围的水质和生态参数都非常敏感，使其可以作为非常优秀的生

物指示物；第四，许多硅藻种类在全球范围都有分布，这使其分类特征属性具有

广泛的普适性； 后，硅藻化石可以追溯至白垩纪，这使其可以在一个相当大的

地质尺度上记录地球环境的变换。

（1）法医学

在法医学中，对尸体进行溺死诊断是一项重要工作。而对尸体的肺部及各脏

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

7

器进行硅藻检测是一条重要线索。通常，被害人在入水前若有呼吸，会呛入大量

的水到胃和肺中，水中的硅藻就会随之进入溺水者的肺和胃，并进入血液循环，

再输送到肝、肾等脏器。因为硅藻的硅质壁不易被分解，因此很容易被检测到，

如若被害人是死后被投入水中，硅藻则不会出现在其脏器中。此外，由于硅藻分

布很容易受环境影响。不同水域，以及同一水域上下游所分布的硅藻种类不同。

所以，对所发现的硅藻种类鉴定可以帮助警方确定第一现场。

（2） 环境监测

硅藻的种群和分布可以作为一个地区（河流、湖泊）环境质量的指示[4,5]。

由于易于采集，对环境变换敏感，在 近 20 多年来，环境学家越来越多地把底

栖硅藻作为水体污染程度（酸化度、富营养程度等）的重要指示物。相对于其它

生物指示物，如鱼和无脊椎动物，硅藻更能反应出环境中的富营养程度。法国学

者曾用生物硅藻指数（IBD，Indice Biologique Diatomique）反映法国境内所有河

流的污染程度，得到的结论与之前用鱼和无脊椎动物所得的不同[6]。英国学者也

用营养硅藻指数（TDI，Trophic Diatom Index）来检测河流受硫氧化物等工业废

水所导致的酸化程度。

（3）古生态学

由于硅藻是一种良好的环境指示生物，古生态学家常常会利用它重建某一地

区的历史状态。60 年代末，北欧和加拿大的湖区发生严重的酸化现象。一些学

者认为这是工业化污染所导致，而工厂主和另一些学者则认为是历史上长期的土

地开发导致，这就需要知道工业化开始前湖的酸化程度。能跨越如此大的历史跨

度又对 pH 敏感的指示物非硅藻莫属。硅藻学家在对湖底沉积物中的硅藻分析后

发现，1900 年前后硅藻的优势种群有很大变化，由不耐酸的类型变为喜酸的类

群。这有力地证明了 1900 年后工业的兴起是湖水酸化的罪魁祸首[7,8]。

（4）石油勘探

硅藻 早出现在白垩纪，是非常好的新生代的底层标记物。虽然通常在石油

勘探中，更常用到的是石灰质微化石（如多孔虫）。但在冷水，淡咸水等环境中

（这些石灰质化石很少见），或在超出碳酸补偿深度（石灰质化石将被溶解）的

深海中，硅藻的指示作用就变得重要起来。

（5）纳米技术

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

8

硅藻具有特有的硅质三维结构，以及纳米级的精细孔纹。纳米工程学家设想

通过诱导硅藻形成不同的三维构造，再用目标原料置换硅质元素，从而构建所需

的目标纳米材料。甚至有人设想将硅藻改造为纳米药物的载体[9]。

1.3.2 传统分类方法

无论是在对水质检测，法医鉴定，石油勘探等方面的应用，还是海洋生态监

测，藻类生理生化研究，赤潮预报等领域，都离不开对硅藻种类的正确分类和鉴

定。70 年代以前，由于电子显微镜还没开始应用，分子技术也才刚刚起步，硅

藻学家对硅藻的主要分类依据是其壳面在光学显微镜下可见的形态特征。色素体

和硅藻的生活史也是它们重要的分类依据，但远不如壳面特征来得方便实用。因

为而硅藻壳面则不但可以在酸化（用以去除杂质）后得以长期完整保存，而且在

光镜下清晰可见。70 年代以后，分类方法有了很大进展。比如电镜开始应用于

硅藻分类。对硅藻色素体、细胞周期、有性繁殖等也有了相当研究。然而，硅藻

的鉴定方法仍然主要依靠显微镜观察，这主要是因为显微镜观察相对便宜和方

便，而且在很多情况下，比如生态调查、化石鉴定等，人们只能通过硅藻壳面进

行分类。实际上，大多数硅藻只需通过壳面特征就能正确分类。

1.3.3 传统检索手段

如前所述，硅藻种类繁多，通常硅藻专家对所观察的标本进行定种时需要应

用分类检索表。因为检索表常列出各个种类的主要特征。有些人也不用检索表，

他们认为检索表中不能包括各个种类的全部特点[3]。不管用检索表或不用检索

表，在查到某种之后，必须进一步核对文字的描述和图画、照片的一致性，以达

准确鉴定。在鉴定一些不常见种时，硅藻学家往往需要查阅比对大量硅藻文献图

谱，以做出正确的鉴定结果。

1.3.4 硅藻自动化鉴定的迫切性

目前，绝大部分的硅藻鉴定和定量工作都是靠硅藻工作者在显微镜下完成

的。但是这种传统的分类方法也存在一些弊端。如一方面，人工检测需要检测人

员具有非常丰富的经验。面对如此种类繁多的硅藻，即使是有经验的专家在鉴定

样品的同时也要不断地查阅文献和检索分类表。同时在鉴定大量样品时，人工识

别的持久性、稳定性和客观性往往难以保证。存在效率低、工作强度大，操作人

员易疲劳，人为误差不可避免等缺点。另一方面，少数的硅藻分类专家无法满足

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

9

各行各业对硅藻鉴定的需求。而学习硅藻分类需要长时间的经验积累，但是目前

经典分类学领域存在专家断层的现象。这就迫切需要产生一种能够快速、自动的

识别方法，以满足在硅藻鉴定上的需求。

1.4 藻类自动识别方法概述

近年来，由于在生态调查，科学研究，海洋产业等诸多方面对藻类鉴定的需

求，国内外许多科研人员致力于探索藻类自动鉴定的方法和仪器。目前，现有的

藻类自动鉴定研究成果主要基于下列几种主要原理：1）基于藻类特征性化学成

分，如吸光光度法，荧光分光光度法，高压液相色谱法(HPLC)。2）基于 DNA

等遗传物质，如流式细胞仪法和分子探针法。3）基于藻类外部形态，如显微图

像法。

（1）基于藻类特征性化学成分组成

能够用于化学分类的海洋浮游藻类“特征性化学成分”有甾醇、醛类、脂肪酸、

糖类、色素和氨基酸等。其中色素以其特征性显著和相应分析手段的迅速发展而

成为 为理想的浮游藻类的化学生物标志物[10]。以此发展起来的方法主要有下列

3 种。

1．分光光谱法。利用浮游植物对可见光的吸收光谱,可以在某种程度上识别

浮游植物种类。李继刚（2000）[11]曾用分光光度计对两类硅藻（骨条藻和圆筛藻）

和两种甲藻以及悬浮物的纯种及混合藻液的光谱数据进行“曲线叠加分析”，对其

进行识别和定量。Kirkpatrick（2000）[12]应用“四阶导数分析”和“光谱相似性分析”，

测定了天然浮游植物群落中裸甲藻(Gymnodinium Breve)的数量,但该法无法识别

其他赤潮浮游植物。

2．荧光光谱法。海洋浮游植物均含有叶绿素 A ，不同种类的浮游植物含有

不同组成的其他色素（如叶绿素 B，藻红蛋白，藻蓝蛋白，以及辅助色素）。含

有不同色素种类和组成的浮游植物会表现出不同特征的激发荧光光谱和发射荧

光光谱。利用荧光光谱鉴定浮游植物色素种类的研究开始于 20 世纪 80 年代。

如美国研究者 Yentsch[13]根据叶绿素/辅助色素比率（chlorophyll accessory pigment

ratio , CAP ratio = F（530 685）/ F（450 685），其中 F（λex , λem）等于激发荧光

强度与发射荧光强度之比)，将主要海洋浮游植物分为硅藻，甲藻，球石藻与褐

厦门大学博硕士论文摘要库

海洋硅藻显微图像自动识别方法研究

10

藻，绿藻四大类。目前, 德国 bbe2moldaenke 公司制造的荧光藻类分析仪，可测

定并储存五个门类浮游植物的荧光光谱指纹，用于浮游植物的分类。但是该仪器

尚无法区分硅藻和甲藻，原因是二者的激发光谱和发射光谱非常相似。张前前

（2004）[14]对中国东海 6 种分属于 4 个门类的赤潮藻种的三维激发/发射荧光光

谱进行分析，实现了对一种金藻、一种绿藻和中肋骨条藻等三个物种的识别。

3．高效液相色谱法。该方法自 20 世纪 80 年代用于浮游植物色素组成分析，

是目前唯一被广泛接受的准确测量叶绿素含量的方法。1996 年，澳大利亚的

Mackey 开发出程序 CHEMTAX[15]，并结合 HPLC 分析浮游植物的色素组成，估

算出不同类别浮游植物的数量。它利用每一个藻种色素比率的差异，通过反复地

优化一个包含每一个藻种的色素比率矩阵，来定量地确定浮游藻类种群组成和丰

度。该方法在世界各国得到广泛认可。我国的王海黎等[16 也]尝试用 HPLC 分析

浮游藻类色素对台湾海峡浮游植物类群结构的指示作用。鉴于高效液相色谱技术

需要有机溶剂萃取浮游植物色素和熟练的专业人员的操作，并且仪器精密贵重，

因此不适合现场快速自动测量。

（2）基于 DNA 等遗传物质

1. 流式细胞仪法。流式细胞术（Flow CytoMeter, FCM）是一种在功能水平

上对单细胞或其他生物粒子进行定量分析和分选的检测手段。它可高速分析上万

个细胞，并能同时从一个细胞中测得多个参数。根据这些特征参数可以对细胞群

体进行分选，实现对藻类的分类。80 年代藻类学家用流式细胞仪发现了海洋中

的一类微小植物——原绿藻。焦念志等（1999）[17]采用 SYBRGeen Ⅰ染色剂对

微型生物细胞 DNA 染色后进行流式细胞仪分析，研究了 SYBRGeen Ⅰ区分真核

微型浮游植物、蓝细菌、原绿球藻以及异养细菌的效果。结果表明，该方法可较

好地分离四类微型生物类群。

2. 分子技术。分子技术的应用是海洋浮游植物种类识别研究的趋势之一，

可用于藻类鉴定的方法有很多。1）对藻类核糖体 rRNA 进行测序后进行序列分

析，做出系统进化树进行比对。2）通过设计特异性分子探针进行荧光原位杂交

或“三明治杂交”的分子探针技术。3）利用遗传标记片断的长度多态性的

RFLP(restriction fragment length polymorphism，限制性片段长度多态性)和 RAPD

(random amplified polymorphism DNA，随机扩增多态性 DNA)。邵鹏等（2002）

厦门大学博硕士论文摘要库

Degree papers are in the “Xiamen University Electronic Theses and Dissertations Database”. Fulltexts are available in the following ways: 1. If your library is a CALIS member libraries, please log on http://etd.calis.edu.cn/ and submitrequests online, or consult the interlibrary loan department in your library. 2. For users of non-CALIS member libraries, please mail to etd@xmu.edu.cn for delivery details.

厦门大学博硕士论文摘要库