从数字照片中捕捉和估计复杂动物颜色图案的变异的新方法:应用于东方盒 (Terrapene carolina)
Erik Maki1, Tilmann Glimm2, Paramahansa Pramanik3
1Department of Biology, George Mason University, Fairfax, VA, United States of America.
PeerJ
|July 25, 2025
概括
研究人员开发了新的算法来量化东方盒的复杂色彩模式,揭示了对比度和物体大小的关键变化. 这种方法有助于研究生物模式,尽管图像采集的挑战.
科学领域:
- 生态学和进化生物学
- 生物信息学和计算生物学
- 动物染色研究 动物染色研究
背景情况:
- 颜色模式对于生物的生存和繁殖至关重要,影响伪装,交配和通信.
- 在生物体中量化复杂的颜色模式仍然是一个重大挑战,因为目前的方法的局限性.
- 东方盒子 (Terrapene carolina) 是研究复杂色彩模式的理想模型,因为它具有鲜明的标记和稳定的贝结构.
研究的目的:
- 开发和验证用于量化东方盒的复杂色彩模式变化的新算法.
- 评估图像采集和分析噪声对模式测量的影响.
- 为了将客观的模式测量与人类对模式复杂性的感知相关联.
主要方法:
- 开发算法,从55只东方盒的数字图像中提取19个不同的模式测量.
- 分析测量变化和对来自图像采集,照明和动物形状的噪声的敏感性.
- 实施公民科学方法来评估人类对模式复杂性的感知.
- 算法衍生的测量与人类感知复杂性的比较.
主要成果:
- 发现的最可变的模式测量是蓝/黄色对比度和平均物体大小.
- 对比度测量反映了真正的个体变化,而物体大小受到生物和测量不一致的影响.
- 不太依赖于定义离散对象 (例如总面积) 的算法的测量显示出较低的变化.
- 公民科学数据表明,对比度和物体大小是人类对模式复杂性的感知关键特征.
结论:
- 开发的工作流提供了一种可靠的方法,用于在各种采样条件下研究生物体中复杂的颜色模式变异.
- 该研究强调了在分析生物模式时考虑测量噪声和算法灵敏度的重要性.
- 这项研究为动物颜色的发育和进化研究提供了有价值的工具.
