基于计算机视觉的头足类角质颚特征研究Ⅱ:形态学参数测量

角质颚形态被广泛应用于头足类种类鉴定与种群判别,基于游标卡尺的手动径向测量是获取角质颚形态参数最常用的方法。本文提出一种利用计算机视觉提取角质颚形态参数的方法,首先通过MATLAB编程提取角质颚特征点及空间坐标,然后计算特征点间的空间距离,最后将提取的角质颚形态学参数值与手动径向测量的结果进行比较。研究结果表明:利用两种方法对每个头足类角质颚样本进行十次重复测定所得形态学参数的算术平均值接近,除形态学参数上脊突长之外,计算机视觉所测的数据平均绝对误差和平均相对误差都小于手动测量数据的平均绝对误差和平均相对误差,说明计算机视觉所测量结果准确,更加逼近真值;分析标准差和离散系数可知,计算机视觉重复多次提取每个样本的角质颚形态学参数的结果离散程度更低,测量值更加聚集于真实值附近,精密度更高。计算机视觉不仅为头足类角质颚参数测量提供了一种快速、准确方法,同时还将大幅促进角质颚形态学参数在头足类种群判别与种类鉴定等领域的广泛应用。     

基于计算机视觉的头足类角质颚特征研究Ⅰ:轮廓与特征点提取

轮廓与特征点研究是头足类角质颚形态特征鉴别的基本方法，对于轮廓与特征点的提取最常用的方法是手动描绘与标定，利用计算机视觉进行轮廓与特征点的提取，不仅可以降低手动提取带来的误差、提高准确性，而且更加快速、便捷。文章将利用计算机视觉提取头足类角质颚的轮廓与特征点，首先将自制装置拍摄得到的角质颚三视图放入MTALAB软件中进行编程处理，然后利用Canny算法提取角质颚轮廓，最后根据地标点的定义标定特征点位置并建立空间坐标系得到角质颚的特征点坐标。研究结果显示，利用计算机视觉提取角质颚的轮廓图像以及特征点坐标是可行的，当标准差σ取值为0.1时角质颚轮廓图效果最佳，在得到的轮廓图上进行特征点的标定，通过迭代遍历轮廓图获得各个特征点的空间坐标。研究分析认为，将计算机视觉应用于头足类角质颚形态学的研究可以提高研究的便捷性，同时也为后续的研究提供了新的实验思路和方法。     

南海大眼金枪鱼和黄鳍金枪鱼生物学特性及其分布

利用2010年3月—2013年2月南海金枪鱼延绳钓探捕与渔业生产监测取得的生物学数据和生产数据,对南海的大眼金枪鱼(Thunnus obesus)和黄鳍金枪鱼(Thunnus albacres)的生物学特性和渔场分布进行了研究。结果表明:(1)南海大眼金枪鱼叉长范围50—169cm,平均为111.8cm,体重范围2.45—87kg,平均为33.2kg,叉长(FL)体重(W)关系:W=1.74×10–5FL3.01,性腺成熟度Ⅱ期居多,占总尾数的45.27%。绝对怀卵量109.46—456.95万粒,摄食强度以0—2级为主。大眼金枪鱼延绳钓渔场春夏季分布于南沙西北部和南沙中西部海域;秋冬季分布于西、中沙和南沙西北部海域。渔获水深90%集中在150—400m。(2)南海黄鳍金枪鱼叉长范围41—180cm,平均为107.9cm,体重范围1.2—77.5kg,平均为27.9kg,叉长体重关系:W=2.19×10–5FL2.94,性腺成熟度以Ⅱ—Ⅳ期居多,占总尾数的89.01%,绝对怀卵量15—154万粒,摄食强度以1—2级为主。黄鳍金枪鱼延绳钓渔场春夏季分布于南沙西北部和南沙中西部海域;秋冬季分布于西、中沙、南沙西北部、南沙中西部海域。渔获水深93.75%集中在50—350m。西沙西部和南沙西北部海域是灯光围网和灯光罩网捕捞金枪鱼的重要渔场。研究认为:(1)在南海可发展小型冷海水延绳钓船,在每年10月末—次年5月初在西沙东北海域开展浅水延绳钓作业;(2)在南海的岛礁附近设置PAYAO群,开展金枪鱼灯光罩网或围网捕捞。(3)目前取得的资料仍然有限,未来仍需进一步调查,以掌握南海金枪鱼种群动态,为渔业开发和养护提供建议。     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

海水吸收光谱测量方法比较—定量滤膜技术和现场测量方法

本文对水体吸收光谱的2种测量方法进行了比较,这2种方法分别为基于分光光度计的定量滤膜技术和吸收衰减仪的现场测量方法。为了检验和比较这2种测量方法的不同,同时对两类不同类型水体的吸收系数进行了测量。其中一类水体为实验室培养的单种藻类水体,共有36个样本,包括4大类,分属16个种;另一类水体为黄海水域的水体,包括49个站位数据,基本覆盖了南黄海水域,440 nm的吸收系数在0.05～2.0 m-1之间。结果表明,不同波段实验室培养的单种藻类水体两者测量吸收系数的相关系数平方在0.96～0.98之间,相对均方根误差为14%～16%之间;对于黄海水体的测量,相关系数的平方在0.90～0.94之间,相对均方根误差在14%～27%之间。2种测量方法对这两类水体吸收系数的测量均具有很高的一致性,其中实验室培养的单种藻类水体的测量结果的一致性好于黄海水体的测量结果。     

大西洋金枪鱼延绳钓主要兼捕鱼种垂直分布结构研究

研究延绳钓渔获物的垂直分布结构对于评估延绳钓渔业对目标和兼捕种类的影响具有重要的理论和实际参考价值。根据2007-2010年间2个航次调查采集的热带大西洋公海海域(05°N～15°N,29°W～41°W)金枪鱼延绳钓主要兼捕鱼种的渔获资料,估算了14种渔获物的钓获深度,包括金枪鱼类3种、旗鱼类3种、鲨鱼类3种、其它鱼类3种、海龟2种。当钓钩上浮率假设分别为15%、20%和25%时,最小估算深度分别为122、114和107m,最大估算深度分别为311、293和275m。叉尾长鳍乌鲂的平均钓获深度最深,海龟类的平均钓获深度最浅。四分位距图(IQR)显示,各物种的深度分布范围变化很大,有些种类之间的深度分布中值虽然相近,但深度分布范围却相差很大。除剑鱼外,其余兼捕物种与大眼金枪鱼的深度分布均值均有显著性差异。而除剑鱼和红棱鲂外,其余兼捕物种与大眼金枪鱼的深度分布函数均有显著性差异。聚类分析显示14种渔获物可以分成3种垂直分布结构。     

中华乌塘鳢仔稚鱼的生长发育

在实验培养条件下,观察了中华乌塘鳢Bostrichthys sinensis(Lacepede)仔稚鱼期的鳍、消化管、鳃耙等器官的发育过程。测量仔稚鱼标本198尾,将全长等11个形态指标数据进行线性回归处理,找出各形态指标与全长之间的关系。     

结合显著性与GrabCut的无角毛类浮游植物显微图像分割

针对无角毛类浮游植物显微图像,结合显著区域检测和GrabCut算法,提出一种新颖的浮游植物细胞自动分割方法。首先,基于视觉注意机制的计算模型,检测输入图像的显著区域;然后,对生成的显著图进行预分割以获得浮游植物细胞的位置;再把细胞的位置信息用于初始化GrabCut算法,并迭代执行GrabCut;最后,应用去噪和平滑技术来输出细胞。实验表明该方法提取的前景目标形态完整、轮廓清晰、边缘规则。     

红鳍东方鲀(Takifugu rubripes)三个不同群体的形态差异分析

对3个不同群体红鳍东方鲀(Takifugu rubripes)进行16项形态性状的测定,采用3种多元统计分析方法和方差分析方法,比较了3个群体的外部形态特征。聚类分析结果表明,3个红鳍东方鲀群体中,日本群体(J)和养殖群体(R)的差异最大,野生群体(Y)和养殖群体(R)的差异最小。主成分分析构建了3个反映形态特征信息的综合性指标——主成分1、主成分2和主成分3,三者的贡献率分别为54.961%、12.129%和6.459%,三个主成分的累积贡献率为73.549%,3群体之间存在明显的偏离,形成三个不同的类群,其中,养殖群体(R)和日本群体(J)间的形态差异最大,野生群体(Y)和养殖群体(R)的形态差异最小。判别分析表明,3个红鳍东方鲀群体的形态差异基本上达到差异显著(P0.05)或极显著水平(P0.01),利用贡献率最大的6个参数建立了3个群体的判别函数,其判别准确率分别为97.69%—100%(P1)、97.39%—100%(P2),综合判别率为98.62%,可以认为逐步判别法对于红鳍东方鲀不同群体的初步鉴定是可行的。方差分析多重比较结果表明,3个群体在部分形态特征上表现出明显差异,其中,养殖群体(R)和日本群体(J)之间形态特征差异显著指标最多,养殖群体(R)和野生群体(Y)之间形态特征差异显著指标最少。显然,聚类分析、主成分分析、判别分析和方差分析的结论基本上是类似的,它们从不同角度反映了群体间的形态学差异。     

盐城淤泥质滨海湿地DEM构建及其精度评估研究

以盐城保护区核心区为例,利用2002年野外高程测量数据,运用Kriging和TIN两种不同思想的插值方法对研究区DEM的构建与精度评估两个问题展开研究.研究结果表明:1)Kriging插值验证显示:均差接近于0,均方根标准误差接近于1.证明采用Kriging插值同时考虑数据本身约束性条件的模型是可行的.同时,运用等高线和等高点数据生成的TIN,效果同样比较理想.2)对两种DEM进行了精度评估,数据显示误差都在可控范围之内.其中Grid-DEM的绝对误差最大值为0.162 m,平均绝对误差为0.063 m,平均相对误差为4.20％;而TIN-DEM的最大值仅为0.028 m,平均绝对误差和平均相对误差只有0.005 m和0.36％.3)在对两种DEM的比较中发现:无论是绝对误差还是相对误差,Grid-DEM都要远高于TIN-DEM,两者最大值相差0.134 m;在受人类干扰较强以及经常受潮汐影响而处于不断变化的区域,Grid插值要明显差于TIN插值.但从DEM表面整体光滑度来看,Grid-DEM却要优于TIN-DEM.     

金枪鱼延绳钓不同位置钓钩渔获效率的研究

本文从金枪鱼延绳钓渔具的结构及渔获效果入手 ,分析了大眼金枪鱼 (Thunnus obesus)和黄鳍金枪鱼 (Thunnus albacares)的垂直分布及该延绳钓渔具不同位置钓钩的渔获效率 ,据以对钓具的性能做出初步评价 ,并提出了改进的建议     

基于神经网络的南太平洋长鳍金枪鱼渔场预报

南太平洋长鳍金枪鱼是我国远洋渔业的重点捕捞对象;对南太平洋长鳍金枪鱼进行准确的渔场预报;可以提高捕捞效率;提高渔业的生产能力。本研究根据1993-2010年南太平洋长鳍金枪鱼的延绳钓生产数据以及海洋卫星遥感数据（海水表面温度;SST;海面高度;SSH）和ENSO（El Niño-Southern Oscillation）指标;采用DPS（data processing system）数据处理系统中的BP人工神经网络模型;以渔获产量（单位时间的渔获尾数）和单位捕捞努力量渔获量（CPUE;Catch per unit of effort）分别作为中心渔场的表征因子;并作为BP模型的输出因子;以月、经度、纬度、SST、SSH和ENSO指标等作为输入因子;分别构建4-3-1;5-4-1;5-3-1;6-5-1;6-4-1;6-3-1等BP模型结构;比较渔场预报模型优劣。研究结果表明;以CPUE作为输出因子的BP人工神经网络结构总体上较优;其中以6-4-1模型结构为最优;相对误差只有0.006 41。研究认为;以CPUE为输出因子的6-4-1结构的人工神经网络模型;能够准确预报南太平洋长鳍金枪鱼的渔场位置。     

基于空间自回归和空间聚类的渔情预报模型

作者针对远洋渔场渔情预报精度偏低的问题,提出一种基于空间自回归和空间聚类的渔情预报模型。该模型利用空间自回归对收集到的渔业历史数据进行预处理,然后通过空间聚类将所有数据样本根据地理位置分划成若干个区域,最后研究每个区域中环境数据与渔获数据之间的数学关系,各自建立栖息地适宜性指数模型(Habitat Suitability Index,HSI),并以印度洋大眼金枪鱼(Thunnus obesus)为例进行验证。结果表明,本模型的均方差为0.1742,与传统线性回归方法的均方差0.2363相比,能更好地表达海洋环境数据与渔获量之间的关系,预测精度显著提高。     

Age and Growth of Southern Bluefin Tuna,Thunnus maccoyii,Based on Otolith Microstructure

Ocean Science Journal - Age and growth of southern bluefin tuna (SBT, Thunnus maccoyii) were estimated based on otoliths collected by Korean tuna longline vessels in the Atlantic and Indian Oceans...     

DNA identification of Pacific bluefin tuna (Thunnus orientalis) in the New Zealand fishery

Muscle samples were collected from 69 specimens identified as Pacific bluefin tuna (Thunnus orientalis) (Temminck and Schlegel, 1844) in the New Zealand Exclusive Economic Zone (EEZ) between 1990 and 2000. Identifications before 1996 were based on body size and colour of the caudal keel; later identifications were mostly based on the shape of abdominal cavity. The tissue samples were tested with a diagnostic mitochondrial DNA marker that distinguishes southern bluefin Thunnus maccoyii (Castelnau, 1872) and Pacific bluefin tuna T. orientalis; 59 specimens were confirmed as T. orientalis and 10 as T. maccoyii. Specimens recorded as Pacific bluefin tuna by the shape of the abdominal cavity were correctly identified as T. orientalis, and this character can be used to identify large specimens landed on tuna vessels. Some specimens recorded as Pacific bluefin tuna on the basis of colour and size were T. maccoyii; and early records of T. orientalis in New Zealand waters, based on these characters, are unreliable. Unusual colour patterns were reported in some specimens of T. orientalis but not T. maccoyii. The Pacific bluefin tuna T. orientalis accounted for less than 0.3% of the bluefin tuna catch in the New Zealand EEZ during the 1990s.     

Computer vision techniques for quantifying, tracking, andidentifying bioluminescent plankton

This paper applies computer vision techniques to underwater video images of bioluminescent biota for quantifying, tracking, and identification. Active contour models are adapted for computerized image segmentation, labeling, tracking, and mapping of the bioluminescent plankton recorded by low-light-level video techniques. The system automatically identifies luminous events and extracts features such as duration, size, and coordinates of the point of impact, and uses this information to taxonomically classify the plankton species. This automatic classification can aid oceanographic researchers in characterizing the in situ spatial and temporal relationships of these organisms in their underwater environment. Experiments with real oceanographic data are reported. The results indicate that the approach yields performance comparable to human expert level capability. Furthermore, because the described technique has the potential to rapidly process vast quantities of video data, it may prove valuable for other similar applications     

基于曲线特征的等深线自动综合方法研究

从等深线的特点及其制图综合的基本原则与方法出发,提出了一种基于曲线特征的Douglas-Peucker改进算法,在此基础上构建了等深线自动综合方法。该方法通过对曲线特征点的提取和弯曲特征的分析,可以自动确定等深线综合的数量指标和最小分界指标,经试验验证取得了较好的综合效果。     

帕劳群岛附近海域延绳钓渔场大眼金枪鱼(Thunnus obesus)的环境偏好

2005年8—12月,利用金枪鱼延绳钓渔船对帕劳群岛附近海域进行调查,研究大眼金枪鱼的环境偏好。所获数据包括:①温度、盐度、溶解氧垂直分布,测定的钓钩深度;②作业参数;③渔场气象数据;④渔获统计数据。分析方法和步骤为:①应用逐步回归的方法,建立钓钩预测深度计算模型;②根据温度、盐度、溶解氧垂直分布曲线、预测深度、取样数据,利用统计和聚类分析的方法分析大眼金枪鱼的环境偏好。结果表明:①在帕劳群岛附近海域,大眼金枪鱼偏好的水层为180.0—219.9m、水温范围为11.0—12.9℃、盐度范围为34.50—34.99、溶解氧范围为3.00—3.99mg/L;②一般情况下,水温及其体温的变化决定成熟大眼金枪鱼的活动水层,其偏好的水温为10.0—14.0℃;③大眼金枪鱼的适盐性较广;④溶解氧高于门限值(0.8mg/L)时,大眼金枪鱼的分布由其它环境因子决定。