一种基于脉冲耦合神经网络的植物胚性细胞图像分割

植物胚性细胞定量分析研究需要首先将其切片图像分割处理,然后进行了大分子量化分析。但植物细胞切片图像上表现出来的植物细胞特有的复杂属性,使得一般图像分割分析方法很难奏效。20世纪90年代中期发展起来的脉冲耦合神经网络PCNN直接来自于动物视觉特性研究,应当适合这类植物细胞的的分割处理。但因目前理论很难解释PCNN数学模型参数与图像分割效果之间的关系,一般较好图像分割效果的获得需多次实验选择这些模型参数。同时在模型参数选定的情况下,其循环迭代次数直接关系到侵害的结果的好坏,而分割好坏的判定需人眼观察分析,这样便引入了人为干预。为此提出一种建立在分割图像熵值最大原则上的PCNN植物细胞图像自动分割新算法。     

实质主义对倾向论的批判论析

承袭分析形而上学关于性质的研究,倾向论将性质理解为不可还原的倾向,用法则作用解释倾向的识别。实质主义对倾向论的批判可见于两个方面,一是倾向论无法赋予性质坚实的本体论基础,并面临认知倒退的困境;二是性质不具有内在的因果效力,倾向论忽视了“例示”在理解性质中的关键地位。实质主义对倾向论的批判有混淆认识论问题与形而上学问题之嫌,它坚持性质有其“实质”,并用范畴性质代替倾向性质,但是其理论建构存在“乞题”的错误,难以替代倾向论。深入关于性质的形而上学研究,需要厘清倾向论与实质主义之分歧,进一步对性质的本体论基础作出解读。     

刍议实质重于形式的原则在会计实务中的应用

“实质重于形式”原则在很大程度上保证了会计信息的可靠性和相关性，同时能很好的为会计信息的使用者们提供供他们决策所需信息。因此它在会计实务中的作用不容忽视。而会计人员的职业判断能力的提高，则是确保这一原则得以贯彻的保证。     

基于小波变换和改进的FCM算法的医学 CT图像分割法

为提高计算机辅助诊断的准确性,提出一种基于小波变换和改进的模糊C均值(Fuzzy C-Means,FCM)算法的医学CT图像分割方法。以FCM算法为基础,首先利用小波变换对医学图像进行分解,用分解后低频图像的像素点作为FCM算法的样本点;其次,利用马氏距离来进一步修正FCM_S(FCM_Spatial)算法,修正后的FCM算法能更加精确地反映医学图像的信息。实验结果表明,算法的效率得到较大提高。     

基于改进流域算法的粘连细胞图像分割技术研究

<正>在细胞显微图像处理过程中,经常会发生目标粘连的现象,如何将这些粘连的目标正确分割是后续分析成功与否的关键。流域算法(Watershed Algorithm)是最近兴起的一种基于区域和数学形态学的图像分割方法,它对灰度变化十分敏感,能够克服传统分割方法中易丢失微弱边缘的缺点,可以有效地检测出边缘。但由于普     

推广的马尔可夫分割定理

主要证明了推广的马尔可夫分割存在性定理,即在没有极大性的条件下,定理也是正确的.     

特征尺度自动选择边缘分割方法

针对复杂边缘错综交织而不易分割的问题，提出了特征尺度自动选择边缘分割方法.该方法通过定义相邻两层离散尺度空间中边缘点最大偏移量，以及分析极值路径的4种演化方式，得到具有实际意义的边缘点特征尺度.根据边缘线尺度直方图和尺度空间边缘连通性，对交织的边缘进行剥离和合并，得到分割的结果.通过在多幅测试图片上的实验表明，根据尺度范围获得的边缘多尺度表达层次清晰分明，并且按照显著性提取的显著边缘较少出现细碎旁枝与实际显著边缘能较好地吻合，证明提出的边缘分割方法切实有效.

     

鲸鱼祖先探秘

在现有动物中具有最大身材的鲸类生活在海洋，具有像鱼那样的流线型。但它为温血动物，用肺呼吸，在子宫怀胎生育，是最有名气的哺乳类。     

扫描军事地形图等高线的自动提取

等高线的提取对构建军事地理信息系统有十分重要的意义.针对扫描军事地形图提出了一种等高线提取算法,为了克服扫描引起的色彩混淆和假彩色,引入高斯核函数构造彩色分割特征集,用来更好的逼近等高线的颜色分布;并充分利用等高线的颜色和空间信息,使用松弛迭代的方法来分割等高线;最后对细化后的二值等高线进行粘连和断点处理.实验结果表明该算法对高质量和一般质量的军事地形图的等高线提取都具有实用价值.     

结合局部和全局特征的人群密度估计算法

传统的人群密度估计算法由于受到背景噪声及遮挡等因素的影响,不能同时对不同密度等级的人群做出准确估计。该文提出一种结合局部和全局特征的混合型人群密度估计算法。首先,对输入图像进行预处理以减少背景噪声干扰;其次,计算前景团块像素数占全幅图像的比例,并引入阈值分割机制;最后,对阈值上下的图像分别采用基于全局特征的分类算法和基于局部特征的回归算法来获取人群密度。此外,对基于全局特征的分类算法,提出结合小波变换和灰度共生矩阵的纹理特征描述子来提高分类准确率。实验结果表明该文算法对不同密度等级的人群均能做出准确估计且鲁棒性强。