基于Kirsch算子图像分割的FPGA设计与实现

医学影像是医疗诊断的重要手段。在一些疾病的早期诊断过程中,组织的边缘信息代表重要的特征数据,对疾病的确诊起着至关重要的作用。因此对医学影像进行准确清晰的图像分割对医疗诊断的准确性具有重要的促进作用。本文采用Kirsch算子对医学影像进行图像分割获得组织边缘。为了提高运算速度和分割效率,采用具有并行运算能力的FPGA器件进行设计实现。最后在QuartusⅡ平台上进行了仿真验证,得到了精确的图像边缘。     

免疫算法用于多组分二维色谱数据的解析

通过对免疫系统抗体对抗原消除作用及其记忆功能的模拟,提出了解析二维数据矩阵的新方法。采用模拟的EMG公式作为抗体输入,对二维信号逐行进行迭代消除,从重叠峰中提取单一组分的色谱信息和光谱信息。通过对二维色谱数据的解析,结果表明,该方法可方便地用于多组分重叠二维色谱的解析。     

基于改进Alopex算法的烷基化生产过程的优化

为了提高Alopex算法的全局搜索能力,本文提出了一种改进的Alopex算法。该算法将混沌算法引入到Alopex的初始化过程中,提出了具有停滞行为的步长操作方法,在个体连续一定代数没有更新时,引入了高斯变异操作。最后利用改进的Alopex算法求解了烷基化生产过程的最优化问题,优化结果表明了本文算法的有效性。     

基于高光谱图像的生菜叶片氮素含量预测模型研究

为了便于更经济合理地为作物施肥,建立一种无损检测作物氮营养元素的高光谱图像模型。本实验以生菜为研究对象,无土栽培各氮素水平的生菜叶样本,在莲座期,采集生菜叶片样本的高光谱图像(390~1050 nm),同时采用凯氏定氮法测定对应生菜叶片样本的全氮含量。通过ENVI软件提取出生菜叶片中感兴趣区域的平均光谱作为该样本原始光谱信息,分别使用平滑处理(Smoothing)、多元散射矫正(MSC)、标准正态变量变换结合去趋势(SNV detrending)、一阶导数法(First derivative)、二阶导数法(Second derivative)、正交信号矫正(OSC)等预处理方法对样本原始光谱进行处理,然后利用偏最小二乘回归法(Partial least squares regression,PLSR)分别建立样本全波段光谱信息与氮含量的关系模型,研究各预处理方法对氮含量模型的影响,结果表明,使用OSC预处理的模型效果最好。为了简化模型,根据OSC预处理光谱后的模型的PLSR回归系数优选出敏感波长,利用训练集中样本的敏感波长光谱信息与氮含量数据重新构建PLSR回归模型,并利用测试集样本进行测试试验。结果表明,该模型得到校正集和预测集的决定系数(R2p)分别为0.89,0.81;均方根误差RMSEC,RMSEP分别为0.33,0.45。该回归模型大大降低了自变量个数,简化了模型,并且取得了较优的效果,这为生菜氮素含量预测提供了一种新的快速有效方法。     

图像和视频的快速去雾算法研究

雾、霾等恶劣天气会导致室外图像能见度和对比度降低。虽然可以通过增强有雾图像的对比度得到清晰的图像,但对比度的过度增强可能会截断像素值,造成信息丢失。因此,本文基于信息丢失问题提出了一种快速、优化的去雾算法。通过最小化信息丢失,使输出图像不仅能保留较多的细节,且具有较高的对比度。此外,通过将RGB颜色空间转换为YUV颜色空间,仅对亮度分量Y进行处理,提高了算法的运算速度。算法的对比实验结果表明,本文的算法不仅去雾效果明显,而且运算速度快,完全能满足视频去雾的实时性要求。     

大孔交联聚苯乙烯分形结构的图像分析法研究

采用图像分析法测定大孔交联聚苯乙烯树脂的 现大孔交联聚苯乙烯的外表面具有分形结构,分形维数在２和３之间,将图像分析法测定的分形维数与小角Ｘ－射线散射法测得的结果对照。发现两种方法测定结果虽然不同,但在不同树脂之间的变化趋势是一致的,因此,可用图像分析法比较不同大孔树脂分形结构的差别。     

基于多层二硒化钨的高性能场效应晶体管的实验优化和理论模拟

采用微机械剥离法制备了基于不同厚度的高质量WSe₂纳米片的场效应晶体管(WSe₂-FETs), 研究了其性能的影响因素. 通过调控WSe₂纳米片及介电层的厚度、 测试温度及退火处理等, 结合理论模拟分析, 获得了WSe₂-FETs的最佳电学性能. 最终, 基于7层WSe₂纳米片的场效应晶体管表现出最优异的电学性能, 室温下载流子迁移率可达93.17 cm²·V^?1·s^?1; 在78 K低温下, 载流子迁移率高达482.78 cm²·V^?1·s^?1.     

基于分层策略的矿石颗粒图像区域分割

为了消除过渡带对矿石颗粒图像多区域分割的不利影响,提出了一种基于分层策略的自动分割方法。该方法共分为3部分:首先,采用分层策略去除过渡带,构建图像金字塔;其次,基于多层灰度直方图定位平坦区域的特征峰,生成初始标记;最后,通过基于标记的区域生长完成图像分割。实际图像的分割结果验证了方法的有效性。与通用的多阈值方法相比,本方法能获得更为准确的分割结果。     

基于高光谱技术的培养基上细菌菌落分类方法研究

利用高光谱技术对培养基上细菌(大肠杆菌、李斯特菌和金黄色葡萄球菌)菌落进行快速识别和分类。采集琼脂培养基上细菌菌落的高光谱反射图像(390~1040 nm),在对波段差图像进行大津阈值分割的基础上自动提取细菌菌落光谱,并建立细菌分类检测的全波长和简化偏最小二乘判别( PLS-DA)模型。全波长模型对预测集样本的分类准确率和置信预测分类准确率分别为100%和95.9%。此外,利用竞争性自适应重加权算法( CARS)、遗传算法( GA)和最小角回归算法( LARS-Lasso)进行波长优选并建立对应简化模型。其中,CARS简化模型在精度、稳定性及分类准确率方面均优于GA和LARS-Lasso简化模型,其对预测集样本的分类准确率和置信预测分类准确率分别达到了100%和98.0%。研究表明,高光谱是一种细菌菌落高精度、快速、无损识别检测的有效方法。简化模型中优选的波长可以为开发低成本检测仪器提供理论依据。