抓住“光”字进行初中显微镜结构的教学

光学显微镜是利用光学原理把人眼所不能分辨的微小物体放大成像,以供人们提取微细结构信息的显微仪器。学生用的普通光学显微镜由三大部分构成,即：①照明系统,包括光源和聚光器（遮光器、反光镜等）;②光学放大系统,由物镜和目镜组成;     

基于纹理和形状特征相结合的图像检索技术

图像检索是指从大型数据库提取所需的图像,可能是基于文本或基于内容的检索。在这里,基于内容的图像检索（CBIR）是一个长期的研究课题。Gabor滤波器用于提取图像的纹理特征,形态闭运算结合Gabor滤波器提供了更好的检索精度。通过应用Gabor滤波器计算出纹理特征的平均值和标准偏差,形成特征向量;使用傅立叶描述符和质心距离提取形状特征,利用纹理和形状特征相结合的方法来提高检索性能。     

全内反射荧光显微术原理及其应用

全内反射荧光显微术,利用全内反射时产生的隐失波照明样本,仅激发样本表面薄层范围内的荧光基团,与传统的荧光显微镜相比,使显微成像在z轴上的空间分辨率得到了显著改善,大大提高了图像的信噪。比和对比度。近年来,该技术已被生物学家们广泛地应用于单分子荧光成像中。本文介绍了全内反射荧光显微术的原理及其在生物学研究中的应用,并对其未来发展前景作了展望。     

基于双阈值级联分类器的金相图识别研究

图像分类识别技术主要处理彩色或灰度图像,使用图像特征提取方法提取出同类样本的共性及不同样本的差异性,再配合恰当的分类器设计得到较高的分类识别率。选取200个锡基合金,通过二值化、形态学边缘提取和扫描线种子填充算法寻找封闭区域,用改进的多边形包含算法进行封闭区域包含判定,提取出金相组织的形状特征。对识别的金相组织设计双阈值级联分类器,根据特征识别进行归类。实验结果表明,所设计的分类器测试精度达到96%,识别速度快,能满足实际需求。     

单式显微镜介绍

单式显微镜是由单一透镜一次放大成像而得名，成正实像，构造简单．实质就是透射光观察高倍放大镜。16世纪荷兰学者德斯卡蒂斯描述过这种装置‘是用凹面反射镜照亮标本。相对应的如生物显微镜等是由物镜、目镜两次放大成像的叫复式显微镜．成倒虚像．构造复杂，是两次放大的高倍放大镜。单式显微镜（下称单镜）、复式显微镜（或生物显微镜·下称生镜）都是光学透镜成像．统称光学显微镜。两镜虽在外形、体积、重量、价格等方面差异大，但其基本构造、成像原理、性能、使用都基本相同。一切工具一是贵在实用·二是各有其K又有所短各有其用途…     

基于分块颜色和形状的图像检索方法

图像的单一特征只能代表图像的某一方面的信息,其应用范围受到限制.本文在分析图像颜色和形状特征的基础上,根据各自的特点,提出了一种新的基于分决颜色和形状的图像检索方法.首先,在图像分块的基础上提取图像的颜色和特征点;其次,根据特征点提取图像的形状信息;最后,以颜色和形状作为综合特征,采用相应的匹配算法进行图像检索.实验证明,该方法不仅准确度高,而且还可应用于基于对象或区域的图像查询.     

一种小波域K-Means遥感图像分类标注算法

由于合成孔径雷达图像（遥感）的相干斑噪声数据丰富,导致传统的遥感图像分割方法分割效果不佳,采用学习理论和神经网络改善图像处理性能。根据图像统计特征,采取神经网络语义提出一种高效的图像纹理特征分割方法。首先,利用K-means聚类提取遥感图像的纹理特征,然后根据遥感图像在小波域中的分布特征对其进行滤波,最后利用语义对滤波后的遥感图像纹理特征和灰度组成的矢量进行分割归类,在遥感图像分割中快速标注分类以便于视觉分析。利用区域一致性分割分类,由聚类样本特征匹配进行图像分类标注,对变化检测进行统计分析,过分割或欠分割误差聚类样本不做标注,选取最佳样本聚类k值标注分类结果。     

一种有效提升识别率的面部图像预处理方法

面部关键特征点的定位和取样直接关系到面部识别率的高低,本文提出了一种对人类面部图像进行细节提取,并进行了方向场化突出,最后将其特征2值化的预处理的方法,有效地抑制了面部图像中提取的特征点样本模糊的现象。实验证明,通过这种方法对面部图像的预处理,能够较好地提升一般面部识别算法的识别率。     

一种基于不变矩和SVM的车型识别器设计

介绍了一个基于不变矩和支持向量机技术的车型分类器。不变矩对于平移、旋转、尺度变化有良好的不变性,能很好的表示2维图像形状特征。支持向量机(SVM)建立在结构风险最小化原理基础上,对车型识别这样的非线性、高维数的小样本问题有非常好的分类效果和学习推广能力。在提取车长、车高等特征的基础上加入汽车图像不变矩特征,试验结果表明,该系统有很高的识别率。     

基于形态学的车牌定位方法研究

针对复杂背景的车牌定位问题,提出了一种基于形态学的车牌定位算法.数学形态学是一种应用于图像处理和模式识别领域的新的方法,其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的.[1]     

基于数学形态学的锅炉火焰图像骨架提取

本基于二值数学形态学，建立了数字图像骨架提取方法，并给出了相应的算法．同时，对结构元素序列进行了研究，结构元素序列的选取是骨架提取的关键．最后，应用数字图像骨架提取算法，对锅炉火焰图像进行了处理．处理结果表明，所提取的骨架能够准确地描述火焰图像的几何形状．     

基于粒子群算法的织物组织结构识别

提出了一种基于粒子群算法的织物组织结构识别新方法。该方法采用USB数码显微镜摄取布样图像,经直方图均衡化以增加灰图图像对比度、二值化、去除噪声等一系列图像预处理,用经线纬线的宽度法来提取织物组织结构的特征,用粒子群算法进行识别分类。实验结果表明,通过该方法对织物组织结构的识别具有较高的准确率。     

基于粒子群算法的织物组织结构识别

提出了一种基于粒子群算法的织物组织结构识别新方法。该方法采用USB数码显微镜摄取布样图像,经直方图均衡化以增加灰图图像对比度、二值化、去除噪声等一系列图像预处理,用经线纬线的宽度法来提取织物组织结构的特征,用粒子群算法进行识别分类。实验结果表明,通过该方法对织物组织结构的识别具有较高的准确率。     

基于Gabor小波的维吾尔文笔迹的特征提取方法研究

本文提出使用Gabor小滤提取维吾尔文笔迹的纹理特征方法。首先,通过预处理形成维吾尔文纹理图像。按照维吾尔文笔迹的特点,对Gabor滤波器进行改进。然后用一组Gabor滤波,过滤后获得图像的高维特征向量。最后,最邻近分类器（NN）分类器对不同17名人的维吾尔文笔迹样本进行分类实验,并获得79.8%的鉴别率。     

基于分块颜色和形状特征的图像检索

针对图像检索中单一特征检索的不足,提出一种结合分块颜色特征和形状特征的图像检索方法,用空间局部信息增强全局颜色特征,采用分块颜色直方图提取图像的颜色特征,利用Hu不变矩提取图像的形状特征,以分块颜色和形状作为综合特征,采用相应的相似性度量方法进行图像匹配．实验结果证明了该方法的可行性,适用于基于区域或对象的图像检索．     

基于不同结构元素的地物边界提取对比实验研究

数学形态滤波中结构的大小和形状不同,处理遥感图像获得的效果也不同。为了更好地理解结构元素的大小和形状对图像边界提取效果的影响,通过实验对比法,从简单到复杂地进行了分析。实验结果表明,道路等规则条状地物适合用线形结构元素,房屋等规则或近似规则的建筑物适合用方形结构元素,各项异性不明显的高分影像适合用圆形结构元素;结构元素的尺寸越大,损失的细节就越大,但是能去除更大的噪声点。     

基于多结构元素的云杂波背景抑制算法

在分析小目标与背景特性的基础上,根据云层边缘几何形状,构造出灰度形态学多结构元素。用多结构形态开运算对含有小目标的云杂波背景图像进行背景抑制,然后利用全局阈值分割方法将背景抑制后的图像转化为二值图像,提取图像中的小目标。仿真试验表明,该算法对两种云杂波背景均能有效抑制,提高图像的信噪比,减轻后续运算的复杂性。     

函数图像新题展示

1．函数f（x）=xln │x│（x≠0）的大致图像是 2．函数y=│x│ax/x（a〉1）的图像的大致形状是     

基于DCT的数字水印的嵌入和提取

离散余弦变换（DCT）的这种频域算法能实现数字水印的嵌入和提取,然后对嵌入水印后的载体图像进行加噪、剪切、滤波等攻击实验,能够证明嵌入水印后的图像有较强的鲁棒性,进而说明数字水印技术的实用性．     

基于LVQ神经网络的建筑物提取

传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。以高分辨率遥感影像建筑物图像为研究对象,设计了一种基于LVQ神经网络的建筑物提取方法。对图像提取其颜色、纹理与形状特征,构成图像特征矢量并将其特征归一化,利用LVQ神经网络识别并提取出建筑物。通过与其它典型神经网络识别方法进行实验比较,结果表明该算法相对于单层感知器识别率提高了10.0%,比BP神经网络识别率提高了22.5%,能取得更理想的提取效果。