题目：斑马鱼标志物图像信息获取与处理方法研究

水生生物的行为标志物、生理标志物能够综合地反映水质的变化，从生物学角度为水体环境质量监测和评价提供依据，因此，利用生物监测技术建立水质安全预警系统是目前国内外环境科学研究的热点。本文研究和设计了一种以鱼类为研究对象的水质在线监测系统，研究了鱼类的行为特征与水质状况之间的关系。它结合了生物水质监测理论，计算机视觉、人工智能等技术，为水体污染的早期预警提供了一种新的方法和技术。 本文的具体工作如下： 1．研究搭建了以计算机视觉技术为核心的水质在线监测平台。 搭建了以鱼类为研究对象的生物水质在线监测平台，采用计算机视觉技术实时、连续地监测鱼类运动，开发了鱼类目标跟踪与运动行为分析软件。软件能够有效地检测出鱼类的异常行为及死亡，并对水质状况做出评价。 2．研究了鱼类运动目标的识别与跟踪方法。 提出了一种将目标颜色分布和局部运动区域检测相结合的目标跟踪算法，有效地解决了跟踪过程中目标丢失的问题。当算法监测到目标丢失后，会自动检测视野中的运动区域，通过跟踪图像中的运动区域来重新找回目标。该算法克服了单一颜色跟踪算法抗干扰性差的问题，提高了算法的鲁棒性，能够长时间、连续、实时地跟踪运动目标。 3．提取了鱼类运动行为特征。 在对目标连续实时跟踪的基础上，提取了一系列鱼类运动特征。这些运动特征可分为３类：一类是基于目标中心的运动，如游动距离，平均分布深度等，第二类是基于图像像素变化，如平均活动量；第三类是基于目标局部区域的运动，如尾鳍摆动频率、角度等。 4．分析了鱼类的运动行为和环境之间的关系。 分析了鱼类作为水质状况的生物指示器，其运动行为与水环境的关系，特别是当水质异常时这些运动特征的变化。提出了分别通过监测鱼类异常行为和监测鱼类死亡来评价水质的方法，建立了水质状况生物评价模型。