空气中花粉颗粒的自动识别及分析在环境科学以及医学免疫学领域都发挥着重要的作用,目前空气中花粉成分组成分析工作主要依靠人工进行,人工分析需要操作者具有丰富的经验,且在一定程度上受到主观因素的影响,一般难以达到稳定的识别效果。近年来,随着计算机视觉理论的发展,计算机正逐步替代人工进行花粉图像的自动分类识别工作。目前针对花粉图像自动识别技术的相关研究主要围绕二维花粉图像展开,随着共聚焦显微技术的发展,计算机获取的三维花粉显微图像质量逐步提高,为花粉的内部结构分析奠定了基础。本文就三维花粉图像的局部特征提取方法展开研究,以期得到一种鲁棒性高,适用性广的三维花粉图像特征提取方法,主要研究内容包括:(1)针对三维花粉图像的内部结构难以通过二维图像表达,从而难以提取有效的鉴别特征的问题,提出一种基于LBP的三维花粉图像局部二值特征提取方法,该方法首先根据图像局部灰度的变化趋势选取最优特征平面;然后在该平面上提取原图像的局部纹理特征;再通过该特征构建三维局部纹理特征矩阵;最后提取该矩阵的统计直方图描述子作为鉴别特征,用于三维花粉图像分类识别。通过在欧洲Confocal和Pollenmonitor两个标准花粉库上的分类结果表明,该方法的平均识别率可以达到90%以上,对于花粉图像的平移、旋转变换等具有较好的鲁棒性,和传统花粉图像特征提取方法相比具有更好的识别效果。(2)针对现有三维图像特征描述子冗余信息多,特征维数高的问题,提出了一种基于SIFT的三维花粉图像局部关键点提取方法,并应用于三维花粉图像的分类和识别。该方法首先构建三维高斯金字塔获取不同尺度的花粉图像;然后计算每个像素的局部差分向量探查感兴趣点;再通过层间对比筛选关键点;最后通过提取统计直方图描述子用于花粉图像的自动分类和识别。在Confoca1和Pollenmonitor两个标准花粉库上的实验结果表明,该描述子能较好地描述图像并对图像的平移、旋转和尺度变换均具有较好的鲁棒性。(3)三维图像局部特征提取方法对比分析实验。将本文提出的两种特征提取方法通过实验进行对比和分析,根据花粉图像的特点以及识别效果得出结论,上述两种方法对不同类型的花粉图像具有不同程度的适应性。