数学形态学在海洋浮游植物显微图像处理中的应用

数学形态学是分析几何形状和结构的数学方法,广泛应用于各类图像形状和结构的分析与处理.浮游植物是海洋生态系统中的重要初级生产者,其个体微小,但形态特征各异,一般要在显微镜下才能进行准确的种类鉴定.本文以海洋常见赤潮藻血红哈卡藻(Akashiwo sanguinea (Hirasaka) Hansen & Moestrup)为对象,利用数学形态学方法来处理和分析其细胞显微图像.数学形态学算法包括二值图像形态学和灰度图像形态学,涉及到膨胀、腐蚀、开闭运算,提供了快速高效的优化算法,特别是基于形态学分水岭的图像分割、标记目标、目标分割.研究结果证明,数学形态学可应用于海洋浮游植物显微图像处理,为浮游植物显微自动识别提供了理论基础.     

标注法在鼻咽双光子显微图像分割中的应用

鼻咽细胞的双光子显微图像巾禽有丰富信息,借助计算机和图像处理算法进行分析处理．从而获取细胞的信息。首先以数学形念学方法对图像进行预处理,通过改进的函数在局部的每个对象形成单位极小值标记;接着在全局性的检测分割方法中,对单位极小值标记进行定位;最后对定位点的细胞过滤或填允还原其特性,这种算法能更快捷更准确地捕捉到图像中细胞的位置、个数等信息,获得较好结果,     

模糊聚类方法在细胞图像分析中的应用

针对红细胞彩色显微图像的特点,利用表色系统转化可以实现降维、滤除噪声处理,演化模糊聚类准则函数,在确定有效性度量方式、算法实现图像分析后可以抽取相关图像层,对细胞图像处理有着积极意义．     

基于边缘配准的印鉴自动鉴别方法

从图像处理和分析的角度出发,提出基于边缘配准的鉴别方法。该配准算法基于图像几何形状和统计特征,由快速形状检测算法和投影算法组成。     

一种启发式的自适应图像边缘检测方法

在生物学和医学研究中,经常需要对细胞的形状进行识别,这首先要对细胞的边缘进行检测,通常采用计算机图像处理技术,通过分析图像边缘检测的经典算法,本文提出一种适用性较强的启发式图像检测方法,得到了较理想的处理效果。     

断口显微图像信息的描述方法与系统实现

本文提出了断口显微图像信息的层次关系描述法，描述了运用这种信息关系建立的断口图像信息处理系统的基本原理及系统所采用的主要算法，包括断口显微图像视觉模式识别，分类，典型特征图像的预先处理等一系列算法。     

膜计算在图像处理领域应用研究综述

随着计算机与信息技术的高速发展,图像处理已深入到各行各业,海量数据以及复杂算法所面临的高速实时处理成为图像处理领域急需解决的问题.膜计算是由生物细胞(群)相关机理启发的一类分布式、并行计算模型,已被证明能以多项式时间求解计算难问题.综述膜计算在图像处理领域中的应用,着重从图像低层处理(图像平滑、骨架提取)和中层处理(图像分割、立体匹配、图像配准、图像分解与重建)两方面对膜计算在图像处理领域的应用进行了介绍和分析,并给出了膜计算应用于图像处理领域的今后可能的发展方向.     

基于MATLAB的金属材料显微图像处理

介绍了使用MATLAB的图像处理工具箱，直接对金属材料的显微图像进行处理方法。把改进后的计算机视觉边缘检测算法，应用于金属材料金相分析。对多种边缘检测算法进行了分析和比较，得出了适合金属材料金相分析的最优算法。     

生物显微图像分析与处理研究

介绍了显微图像分析与处理的研究概况及其在生物学中的应用;阐述了显微图像拼接、阿达玛变换显微图像分析、显微图像的快速存储和重现、基于分形参数的中药材显微图像纹理分析和肿瘤细胞显微图像处理与识别系统等生物显微图像的分析与处理技术;对计算机在显微图像分析和处理中的应用前景进行了讨论。     

电视关节镜手术图像处理与分析的技术研究

利用视频捕捉卡将电视关节镜输出信号转变为数字信号 ,使用计算机记录和保存采集的图像 .采用图像边缘检测和图像跟踪算法对获得的关节数字图像进行了图像处理和分析 .在图像处理的基础上 ,自动测量出病变部位的形状参数 .结果表明这些处理和分析方法是非常有效的 .本研究为内窥镜图像自动识别的研究提供了重要的材料     

基于模拟退火的多尺度岩心三维图像融合重建

在岩心图像分析中,低分辨率岩心图像能够显示较大视域,具有较好的全局代表性,而对于低尺度信息无法准确表征;高分辨率岩心图像能够准确地表征岩心的低尺度信息,但通常仅能显示较小的视域.为了能综合分析高低分辨率下的不同岩心图像,本研究提出了一种基于模拟退火,将低分辨率三维岩心图像和高分辨率二维岩心图像融合重建为高分辨率三维岩心的算法.具体地,对于给定的高分辨率二维岩心图像,首先,将低分辨率三维岩心图像进行插值放大以统一两者的点长度,统计二者在二维中的孔隙分布情况,只保留高分辨率二维岩心图像中的小尺寸孔隙,以作为训练图像;然后,在融合重建过程中将低分辨率三维岩心中的大尺寸孔隙相设置为硬数据,以两点相关函数为目标函数重建其中的小尺寸孔隙.实验结果表明,本研究提出的融合重建算法可以很好的将低分辨率岩心重建为高分辨率岩心结构,且融合重建结果有效,准确.     

基于深度学习的三维模型重构研究

由单个图像建立其三维模型是计算机视觉领域的一个热门且具有挑战性的问题.现有的传统单视图三维重构算法在处理低分辨率图像时效果不好,在训练中由于三维图形的高维性,使网络也变得高度不稳定,导致模型重构效果差.针对传统三维重构算法存在的缺点,提出一种基于深度学习网络的改进模型,在模型中加入超分辨率、投影、对抗生成网络(gene...     

单个活细胞图像分析系统的研制与应用

单个活细胞分析是生命科学领域的研究热点之一，按照单个活细胞分析的特殊要求，利用PI公司MicroMAX-5MHz-782Y型致冷CCD，研制了高性能数字图像系统，其具有高灵敏度、高时空分辨率、高精度等优点。建立了动态图像分析技术，适于半透明生物试样的三维重建技术等显微图像分析方法，并在单粒子追踪、脉冲电场刺激下鸡胚小脑粒细胞内Cn^2＋浓度空间分布测定等实验中得到了成功应用。实践证明，该系统比较适合单个活细胞的图像分析。     

光照条件变化下的图像生成方法

提出了两种图像生成的方法：(1)由图像分割、三维重建和投影生成构成。该方法考虑了图像中各部分表面发射模型的差异，通过将图像各区域向1分成朗伯表面和镜面反射，分别进行三维重建，然后融合两结果，改变光照方向和强度，投影生成新的图像；(2)将Shape from shading和Shape from texture技术融合起来。采用Gabor滤波器将图像中的纹理成分和阴影成分区分开来，再用两种方法各自生成三维立体图像，依据它们的特性在频域融合两个三维图像，然后再改变视角和光照的强度、方向，生成仿真的二维图像。实验表明，由该两种方法恢复出的形状优于传统的估计方法，生成的图像真实感强。     

基于彩色伪随机编码单幅图像的三维欧氏重构

文章针对机器视觉中彩色伪随机序列编码与灵活的预标定三维重构技术,研究了基于单幅编码图像的三维欧氏重构系统集成。先对CCD相机采集的编码图像进行必要的预处理,接着对其进行特征点检测与匹配,结合预先标定的LCD投影仪参数,利用层次化的三维欧氏重构理论,即可根据单幅图像恢复该三维场景的三维坐标数据,重构三维场景的三维形貌。     

Joint segmentation and motion estimation of left ventricle with an anisotropic biomechanical model

Accurate estimation of shape and motion variability of the heart has important clinical implications for heart disease diagnosis. In this paper, we describe a framework which performs simultaneous segmentation and motion analysis of the left ventricle from 3D cardiac images. The left ventricle is formulated as an anisotropic linear elastic body represented by a set of tetrahedrons constructed from sampling nodes. The elastic body is evolved by both internal force and external force, and the external force imposed on each node is an integration of edginess measure, shape coherence measure, prior distributions of the myocardial tissues and temporal driven measure. The displacement field and the segmentation result are simultaneously solved at the equilibrium state between the internal energy and the external energy. The experiment with 3D canine MR images illustrated its abilities and benefits.     

基于边缘链码信息的黏连细胞分割算法

介绍了一种基于边缘链码信息的黏连细胞自动分割算法. 该算法对弱对比度的细胞图像预处理;对二值化图像进行链码跟踪,并计算边缘各点的链码和、链码差、等效周长、弧弦比等特征参数;利用特征参数判断边缘光滑段、边缘角点;对真实分割角点进行线性插值最终实现黏连细胞的分割. 将该算法应用于2组细胞图像序列共120帧图像的分割中,不仅解决了黏连细胞的分割难题,而且能够准确进行细胞凹陷的修补和细胞图像的简单计数. 统计结果表明,相比于阈值法和先验模型法,该算法的分割成功帧占整个序列的百分比提高40%~60%.      

基于图像条件的二元合成生成算法

生成对抗网络(GAN)是一种无监督学习方法,该算法巧妙地利用博弈的思想来学习生成式模型,但由于GAN通常从单个潜在源采样,因此常常丢失场景中的多个实体交互信息。为了捕获不同对象之间的复杂交互,包括它们的相对缩放,空间布局,遮挡,提出了一种基于图像条件的生成对抗网络,利用"分解—合成"的流程,模型可以根据输入对象的纹理和形状从它们的关节分布生成逼真的合成图像。通过使用Shapenet数据集,在2D和3D图像中分别对55个常见对象类别约51 300个图像模型进行试验,比起传统的SLP和cGAN,算法的图片质量有4%以上的提高。