基于Visual C#语言的DICOM标准医学图像的显示和实现

介绍DICOM3.0医学图像文件的格式和C#语言的特点,首次利用Visual C#语言对该标准的图像进行显示和处理,能够直接读取DICOM格式原始图像数据,并可批量转换成BMP等格式进行处理,此项工作可为医学图像处理研究及相关医学图像软件开发奠定基础。     

基于稀疏编码和SCG BPNN的鳞翅目昆虫图像识别

【目的】为了给林业、 农业或植物检疫等行业人员提供一种方便快捷的昆虫种类识别方法, 本文提出了一种新颖的鳞翅目昆虫图像自动识别方法。【方法】首先通过预处理对采集的昆虫标本图像去除背景, 分割出双翅, 并对翅图像的位置进行校正。然后把校正后的翅面分割成多个超像素, 用每个超像素的l, a, b颜色及x, y坐标平均值作为其特征数据。接下来用稀疏编码(SC)算法训练码本、 生成编码并汇集成特征向量训练量化共轭梯度反向传播神经网络（SCG BPNN）, 并用得到的BPNN进行分类识别。【结果】该方法对包含576个样本的昆虫图像的数据库进行了测试, 取得了高于99%的识别正确率, 并有理想的时间性能、 鲁棒性及稳定性。【结论】实验结果证明了本文方法在识别鳞翅目昆虫图像上的有效性。     

短期身心训练可以引起大脑灰质变化吗

持续数月的运动学习或者工作记忆训练可以引发成年人大脑灰质的变化,其结构变化的区域与任务有关.是否短期身心训练可以引起类似的大脑大脑灰质变化尚不清楚.在前期工作基础上,本文研究了连续两周的整体身心调节法训练以及放松训练对大脑可塑性的影响.结果表明:采用基于像素的形态学方法,没有发现两周整体身心调节法训练以及放松训练可以引起大脑结构变化.下一步的研究将以大样本并增加训练时间采探索训练引发的神经可塑性规律.     

无透镜显微技术

无透镜显微成像(lens-free microscopy)是一种在不借助透镜的情况下进行成像的技术。它基于Gabor同轴全息原理,利用面阵探测器采集原始全息图,随后通过数字图像处理技术重建样本,从而实现数字显微成像。像素超分辨技术缩小了等效像素,提供更多细节信息使得再现像的分辨率得以直接提升,而且多种相位恢复手段通过去除孪生像也达到了间接提高分辨率的目的,尤其是对密集样本。无透镜显微成像技术突破了传统光学显微镜由透镜带来的空间带宽积的限制,实现了大视野范围下的高分辨率成像,因此,这一技术能够提供大视场下的临床样本快速诊断和准确检测。另外,新兴的算法和硬件都在不断地加快数据采集和计算速度,扩展了其在高速运动样本和纳米尺度样本上的应用。最近无透镜技术和其配套硬件设备发展方向趋向于硬件紧凑、算法密集、实时、三维、彩色、高分辨率的便携式分立器件或配件。     

神经环路设计的普遍原则

该文介绍一种可以不断升级神经环路的规模的设计原则。作者将单个视网膜神经节细胞的树突区域定义为类似于数码相机CCD上的一个“像素”。决定这个像素的大小（即树突区域所占的大小）存在两种相互竞争的因素：为得到最高的分辨率,像素应越小越好;另一方面,像素越大越利于平均化输入信号,以得到信噪比精确度最高的光强度值递呈给大脑。作者列举了三种可能的策略来阐释如何设计一个视网膜像素大小,并且为进化中实际选择的策略提供了证据。     

基于TM影像的表层土壤有机碳空间格局

土壤有机碳是土壤肥力的核心指标之一,理解其空间分布格局对促进精准农业的发展和科学施肥具有重要意义.本研究旨在检验TM影像结合地面采样数据分析黑龙江省黑土分布区表层土壤有机碳空间分布格局的可行性.结果表明:1)表层土壤有机碳浓度与TM5波段呈显著正相关(r=0.553,P＜0.01),与TM4、TM5波段影像像素值之间满足二次多项式回归关系(R2=0.6791,P＜0.05);2)回归模型对表层土壤有机碳空间分布格局具有较好的预测效果(R2=0.7097,P＜0.05);3)海拔高于200 m的地区表层土壤有机碳浓度显著高于海拔低于200 m的地区(P＜0.05).     

大批量测定植物(互花米草)叶面积的一种新方法

叶面积的准确测定是评价生态系统能流、碳流和水分利用的重要基础.目前常用的叶面积测定方法都有其局限性,有些方法快捷、准确,但仅适用于小批量测定;大多数方法很难在较短时间内准确进行大批量测定.本文以互花米草叶面积测定为例,探讨了以扫描仪和叶片干重为基础,结合PHOTOSHOP图像处理技术,大批量、快捷、准确测定植物叶面积的方法--扫描-干重法.结果表明:虚拟正方形叶片边长与叶子像素成幂函数曲线关系,公式为419.85x^1.9693,R≈1.00;用此公式验证扫描-干重法,相对误差仅为3.651%.用扫描-干重法测得的结果与方格法相比无显著差异(P=0.473),表明该方法是可行的.     

应用计算机图像技术识别间日疟原虫的初步研究

目的应用数字图像技术识别间日疟原虫。方法基于图像预处理、图像分割、特征提取、判决分类等步骤,分别对间日疟原虫薄血膜的裂殖体图像进行处理,观察其识别效率和准确度。结果边缘检测和图像灰度值检测两种方法均能够识别间日疟原虫裂殖体,而二者的联合方法可以得到较好的识别效果。结论初步探索采用边缘和图像灰度联合检测的方法能够识别间日疟原虫薄血膜的裂殖体。     

静水型无尾类蝌蚪数量资源调查方法的探究

根据不同无尾类蝌蚪的实际分布状态,设计了体积面积像素换算法(VAPT法)、样方拍照计数法,并结合经典的标志重捕法,通过对宽阔水国家级自然保护区的中华蟾蜍指名亚种(Bufo gargarizans gargarizans)、泽陆蛙(Fejervarya multistriata)、黑斑侧褶蛙(Pelophylax nigromaculata)蝌蚪群体进行数量资源调查,以探究蝌蚪数量调查的方法及适用性。结果表明,VAPT法、样方拍照计数法具有科学性与适用性,值得探讨。新方法的设计与应用可以对无尾类蝌蚪数量调查方法作有益补充及完善,对无尾类种群数量调查数据的准确与完整性有较大意义。     

基于K-means聚类算法的叶螨图像分割与识别

【目的】叶螨(spider mite)是为害多种农作物的主要害虫,叶螨识别传统方法依靠肉眼,比较费时费力,为研究快速自动识别方法,引入计算机图像分析算法。【方法】该方法基于K-means聚类算法对田间作物上的叶螨图像进行分割与识别。【结果】对比传统RGB彩色分割方法,K-means聚类算法能够有效地对叶片上叶螨图像进行分割和识别。K-means聚类算法平均识别时间为3.56 s,平均识别准确率93.95%。识别时间 T 随图像总像素 Pi 的增加而增加。【结论】K-means聚类组合算法能够应用于叶螨图像分割与识别。