显微图像的计算机采集主其应用

显微图像的计算机采集是由显微镜,CCD摄像头,视频采集卡和计算机完成的,它实现了显微图像的计算机采集与管理,最高放大倍数可达1000倍,分辨率可达1um,该系统可以在科学研究和分析中发挥重要作用。     

细胞显微图像的处理与识别系统研究

介绍了模板匹配和特征识别两种识别方案,采用数字图像处理技术和模式识别技术,实现了细胞显微图像中的细胞自动识别与分类.实验结果表明,特征识别具有直接性、运算量小等特点,为细胞显微图像的模式识别提供了可靠有效的方法.     

显微图像阈值分割算法的研究

针对细胞图像分割问题,考虑传统阈值分割方法的局限性,提出一种自适应局部阈值分割算法。该算法的基本思想是通过自适应阈值选取对每个像素确定以它为中心的一个邻域窗口,计算窗口内像素的最大和最小值,再取它们的均值为阈值,以此分割图像。分别用自适应阈值分割法和迭代阈值的图像分割方法实现图像分割,实验结果表明:自适应阈值分割法效果良好,具有鲁棒性。     

显微图像的计算机采集及其应用

显微图像的计算机采集是由显微镜、CCD摄像头、视频采集卡和计算机完成的,它实现了显微图像的计算机采集与管理,最高放大倍数可达1000倍,分辨率可达1μm。该系统可以在科学研究和分析中发挥重要作用。     

一种高噪声显微图像分割方法研究

传统的图像分割算法在处理高噪声显微图像时,由于背景复杂,很难得到目标完整的区域轮廓。通过对不同图像分割算法的性能进行对比,提出了一种改进的二维最大熵阈值遗传算法结合数学形态学除噪分割的方法。首先用改进的二维最大熵阈值算法结合遗传算法对高噪声显微图像进行粗分割,除去图像中大量的背景噪声,然后运用数学形态学进行细分割,滤除剩余少量杂质和孔洞,提取出目标轮廓。实验结果表明改进的方法较传统分割方法具有更强的抗噪声能力及更快的处理速度,有效地实现了高噪声显微图像的除噪分割。     

薄膜生长荧光显微图像实时采集与分析系统

设计了一套具有一定实用意义和科学价值的薄膜生长荧光显微图像实时采集与分析系统,可以实现透明衬底上有机荧光分子薄膜生长的实时原位监测。进一步阐明了系统的硬件构筑思路和软件设计架构,并依据薄膜的形貌特征,给出8个主要生长信息参数及其求取算法,并利用自行搭建的实验系统,针对联六苯(p-6P)分子在云母衬底上的纳米纤维生长过程,得出了其准一维的线性生长规律。该系统作为重要的薄膜生长成像监测技术,有望在薄膜与衬底表面相互作用和衬底微区结构特性研究等方面起到积极的作用。     

视频内窥镜图像采集与处理

提出一种用ＣＣＤ接收图像的视频内窥镜系统，其图像用微机进行处理，实验结果表明由该系统获得的人耳图像经微机处理后，图像的清晰度有明显改善。     

一种新的数字式多媒体图像采集系统

本文以多媒体概念为指导思想，论述了一种新的数字式多媒体图像采集系统。它采用多制式数字解码器、视频窗口控制器等超大规模集成电路芯片构成，较之以往的模拟式图像采集系统有本质区别     

高温超导热图像信号采集和处理系统

本文介绍一种高温超导热图像信号采集和处理系统，采用在ＰＣ机中插入采集板的硬件结构和Ｃ语言与汇编语言混合编程的软件设计方法，实现了对高温超导热图像信号的采集和图像处理，图像管理，图像显示等多种功能。     

一种高精度图像采集系统的设计与特点

介绍了一种新型、高精度、实时伪彩色图像采集系统的原理、构成和特点。该系统采用１０ｂｉｔＡ／Ｄ转换器，使得高性能图像分析与处理成为可能。系统采样频率为１４．７５ＭＨｚ，对于标准ＰＡＬ制电视信号，可以保证采样后像素的横纵比为１∶１。由于采用最新ＥＰＬＤ编程技术，使得系统体积减小，可靠性显著提高。可输出标准ＰＡＬ制黑白全电视信号、ＲＧＢ分量彩色信号、Ｙ／Ｃ分量彩色信号及复合视频信号。该系统通过标准ＩＳＡ总线与计算机接口，帧存直接映射计算机内存地址空间，存取速度快。本系统特别适合于高精度的图像测量应用     

扫描电镜图像去噪的研究与实现

扫描电镜能直观观察样品的表面结构,但其高分辨形貌成像图固有的噪声不利于图像分析。针对集成电路器件扫描电镜成像图的去噪声问题,采用了通过滑动条方式自适应设置图像二值化阈值,将数学形态学处理方法与图像二值化相结合,实现了对图像噪声的自动去除处理;同时还设计了通过手动勾勒图像中的多边形区域实现去除噪声的功能;为使图像达到更好的效果,系统还可允许针对自动去噪后的图像自行选择是否进行手动去噪,并设计实现了风格直观简洁,易于操作的交互式用户界面。对多幅集成电路器件扫描电镜成像图进行去噪声处理的结果和对去噪前后的图像进行无参考图像质量评价的数据表明,该方法有效地改善了扫描电镜图的信噪比,获得了突出前景等有用信息。     

基于图像处理和模式识别的网络图像监控系统

随着科学技术和生活水平不断的提高,人们的财产和人身安全问题已经不仅仅来自于传统的经验,而是逐渐的转变到虚拟的网络当中;为此,提高人们的隐私安全和财产安全需要加强网络监控,其中图像监控是较为主要的方面;加强图像监控的可靠性和实时性,是实现社会稳步发展和人民网络隐私安全的首要目标;应用计算机网络技术和现代化通讯技术相结合,综合图像处理技术和模式识别技术的应用,设计应用于网络图像监控系统是当前社会发展的安全技术保障之一;文章通过对图像监控进行简析,阐述图像处理技术和模式识别技术的相关方面,探讨研究网络图像监控中图像识别和处理方面的技术;通过对图像处理中的色彩均化和模糊识别实验,得出其对于网络中传播的图片辨识度和提取信息能力具有很高的发展。     

数字全息显微系统结构参量对再现像质的影响

为了获取高质量的数字全息显微再现像,分析了同轴相移数字全息显微系统结构参量对再现像质的影响.首先经过计算得出理想成像时,像空间物光波频率完全由物体面形结构频率和系统放大倍率决定.然后基于显微成像时物光波的所有频率分量都应该被有效记录的分析,得出在同轴相移系统中放大倍率必须使物光波的空间频率缩小到满足采样要求|并得出在相同的放大倍率下记录距离会影响有效记录的物体尺寸,记录器件离开像平面的距离越小,有效记录的物体尺寸越大,在像平面上时有效记录的物体尺寸最大.计算机仿真和光学实验都证明了上述结论的正确性.     

基于自适应模糊阈值分割的韧窝图像处理

为了能准确研究韧窝直径与常规力学性能之间的关系,尽量减小在测量中人为因素的影响,本文采用计算机图像处理技术对韧性断裂产生的等轴韧窝图像进行辅助分析,应用自适应模糊阈值分割法对预处理后的韧窝图像进行二值分割,很好的实现了韧窝与背景的分离。并且根据韧窝直径的大小对韧窝进行了分类。为了能快速准确的获得韧窝直径,对基于Freeman链码的多区域面积的算法进行了改进,改进后的方法实现简单,计算量小,测得韧窝直径的结果准确。     

利用二维属性直方图的最大熵的图像分割方法

提出二维属性直方图的概念。它是一种由先验知识约束的二维直方图,可以使一些图像处理方法得到简化和变得可行。在此基础上提出一种基于二维属性直方图的图像分割方法。该方法步骤是构造图像的属性集,确定相应的二维属性直方图,然后利用二维属性直方图的最大熵法确定灰度阈值。为了说明该方法的性能,将其用于一种海底小目标图像分割。同时,也使用一维属性直方图的最大熵分割法。结果表明该方法比一维属性直方图的最大熵法抗干扰性更强,分割效果更好。二维属性直方图的概念具有理论意义与应用价值。该方法适用于图像有某种先验知识的场合。     

图像采集自动生物显微镜系统自动调焦的研究

阐述了以ＣＣＤ为光电探测器件，采用步进电机驱动，集工作台自动扫描、自动调焦和图像的自动采集为一体的显微镜系统自动调焦机理，改进了均方差评价函数，完成了自动调焦，为显微图像的采集和处理提供了强有力的手段。     

基于光切法的表面粗糙度检测的图像处理研究

介绍了表面粗糙度的检测方法，阐述了利用视频化改造后的9J型光切显微镜，基于光切法的表面粗糙度检测的数字图像处理方法，利用Canny算子进行边缘检测和保持连通的边缘细化算法进行细化处理，得到了较为理想的表面粗糙度轮廓曲线，为后续的表面粗糙度参数的计算奠定了基础。     

基于最大模糊熵和遗传算法的图像分割

为了分割照度不均匀的网格图像,提出了一种基于最大模糊熵和遗传算法的阈值分割方法。基于模糊集合理论,根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集,利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,实现图像分割。由于穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大等缺点,因此采用了遗传算法确定最优阈值。为了验证该方法的有效性,对其进行了图像分割实验,并与最大类间方差法、迭代法和一维最大熵法进行了比较。实验结果表明,该方法能够自动、有效地选取阈值,分割效果优于其它三种算法,并能保留原始图像的主要特征。     

Unsupervised Image Segmentation Using Hierarchical Clustering

In the analysis of a medical image database aimed at formulating useful knowledge for image diagnosis requires an unsupervised image processing technique without preconceived knowledge. In this paper, we propose a method for unsupervised image segmentation, which is suitable for finding the features contained in an image. A small region around each pixel is considered as a pattern vector, and the set of pattern vectors acquired from the whole image is classified using the hierarchical clustering technique. In hierarchical clustering, the classification of pattern vectors is divided into two clusters at each node according to the statistical criterion based on the entropy in thermodynamics. Results of the test image generated by the Markov random field (MRF) model and real medical images photomicrographs of a colon tumor are shown.