标准互相关的灰度无关特性及其应用

对用于图像特征定位的标准互相关算子灰度无关特性展开了研究.由于在显微视觉中的大多数图像灰阶较低,接近于三值甚至二值图像;可籍此灰度无关特性对模板匹配的算法进行优化.实验结果表明,标准互相关的灰度无关特性可以在实际中指导设计模板图像,降低相关运算计算速度,以及指导改善照明条件.     

基于标准互相关函数的图像分辨率自动标定方法

理想规则图像特征经标准互相关函数匹配后,相似函数C*(x)可用确定的解析式Z(x)表达.但是对于含噪声图像,相似函数C(x)较之C*(x)发生了变化,但存在"零相似不变性".将此原理应与于显微视觉中图像物面分辨率的在线标定,推导了矩形图像特征的一维相似函数解析式Z(x);求解C(x)=0作为Z(x)的近似,并给出了具体标定算法;通过仿真图像实验,给出标定算法的正确度在0.1～0.2 pixel;最后,将标定算法应用于可连续变焦的微对准装配系统,实测算法的精密度可达为0.08 pixel.实验结果表明,基于"零相似不变性"的标定算法是具有实用性的亚像素标定方法.～290nm波长激发下,310～390nm范围内产生荧光光谱,峰位波长在350nm,最佳激励波长为250nm;采用垂直偏振片(起偏角为0°)起偏照射样品,发现偏振荧光峰位不变,荧光峰强度随检偏角的增大而呈明显的线性递减关系.由实验数据计算得到荧光偏振度为0.783,表明分子具有一定确定取向;另外,分析认为酸性橙Ⅱ产生荧光,是由于分子中含有苯环和萘环结构吸收紫外光能量,以及氮键在光子作用下形成顺式异构体的激发单线态后,两者发射的光子所致.整个结果对酸性橙Ⅱ在食品中的违禁使用检测、特性表征、以及分子规律的更深入研究,有一定的参考价值.     

标准互相关的灰度无关特性及其应用

对用于图像特征定位的标准互相关算子灰度无关特性展开了研究.由于在显微视觉中的大多数图像灰阶较低,接近于三值甚至二值图像;可籍此灰度无关特性对模板匹配的算法进行优化.实验结果表明,标准互相关的灰度无关特性可以在实际中指导设计模板图像,降低相关运算计算速度,以及指导改善照明条件.     

基于对称特征相似性的图像识别算法研究

研究了一类微小生物——线虫的图像识别算法。首先对图像进行边缘检测、二值化和去除干扰点等操作,得到线虫的身体轮廓线;然后利用其身体的对称特征,通过比较相邻线段的相似性实现对线虫的识别及对干扰的区分。实验结果表明,此算法优于骨架法、面积法等典型图像识别方法,对线虫的检测和定位具有很高的准确度和快速性,并可应用于其它具有对称特性的微小生物的图像识别。     

生物芯片扫描仪研究进展

介绍了生物芯片及其检测、扫描的基本原理。详细讨论了在生物芯片扫描仪中的关键技术及国内外的研究现状和目前存在的技术难点以及最新发展趋势和研究热点。着重分析了共聚焦光路与非共聚焦光路在生物芯片扫描仪中的应用特点,以及CVR技术指标。最后提出了生物芯片扫描仪的未来研究重点以及发展方向。     

显微视觉自动聚焦研究

提出一种评估空域聚焦函数的方法。从计算时间与聚焦曲线变化率两个方面,提出四个参量作为评估依据．可从多个函数中筛选出最佳聚焦测度。针对研制的微对准装配自动聚焦系统的评估结果表明：灰度熵函数是适合于该系统的最佳聚焦测度。为克服聚焦搜索运动中的机械传动回差,提出不同于传统聚焦策略的“定位法”。该方法的核心是建立聚焦函数值与离焦量之间的函数关系,提出采用多项式拟合、高斯函数拟合以及样条插值拟合的方法可以构建这种函数关系;并给出了计算结果。最后综合灰度熵函数与定位法策略进行自动聚焦实验．得到自动聚焦精度为3．4μm;完成一次自动聚焦平均时间为3．3s。实验结果证明所述方法可以实现准确、实时地自动聚焦。     

一种基于先验模板的图像面积特征测量方法

针对显微视觉中需要反复自动聚焦与自动照明调节以获取高质量图像,降低了微操作效率,提出一种图像特征测量方法.该方法建立在二值图像标准互相关计算模型的基础上.首先,通过设计特殊模板图像,简化该计算模型;通过反推该计算模型,可以在不作预处理基础上,得到目标图像的面积特征参量.利用误差补偿原理,设计两种模板求解两次面积参量,而后求平均值,提高了算法对比度及鲁棒性.强噪音仿真图像实验结果表明:改进方法的测量正确度比常规方法高约20倍;强离焦退化仿真实验表明:改进方法的测量正确度可提高一个数量级.实际图像实验中,改进方法可以在严重离焦以及弱照明条件下有效对图像面积特征进行测量,测量精密度比常规方法高3～5倍.结果表明,该方法在低质量图像面积特征测量中具有实用价值.     

一种基于先验模板的图像面积特征测量方法*

针对显微视觉中需要反复自动聚焦与自动照明调节以获取高质量图像,降低了微操作效率,提出一种图像特征测量方法.该方法建立在二值图像标准互相关计算模型的基础上.首先,通过设计特殊模板图像,简化该计算模型|通过反推该计算模型,可以在不作预处理基础上,得到目标图像的面积特征参量.利用误差补偿原理,设计两种模板求解两次面积参量,而后求平均值,提高了算法对比度及鲁棒性.强噪音仿真图像实验结果表明：改进方法的测量正确度比常规方法高约20倍|强离焦退化仿真实验表明：改进方法的测量正确度可提高一个数量级.实际图像实验中,改进方法可以在严重离焦以及弱照明条件下有效对图像面积特征进行测量,测量精密度比常规方法高3～5倍.结果表明,该方法在低质量图像面积特征测量中具有实用价值.