血液白细胞计算机分类中的特征提取研究

在所建的血液白细胞自动分类ＬＥＵＫ分析系统上，对每个细胞提取了不同性质的三组共３５个特征，包括７个形状参数、１２个光密度参数和１６个纹理参数。对１２００余六类白细胞样品进行了自动分类测试。实验结果表明：若仅用形态和光密度特征，总体识别率达８０％左右，其主要误识率来自于颗粒细胞的分类。而该文提出的纹理特征弥补这一不足，使系统的总体识别率提高了十个百分点。该文重点介绍这三组特征，并就其在白细胞自动识别分类中的作用进行详细讨论。     

深度图象用于机器人视觉导引

本文讨论了激光深度图象感测器的原理.基于该原理,文中提出了一种计算时间省、抗干扰能力较强的提取图象边界的新方法.文中还提出了一种获取三维数据的变换方法和一种从表面到物体的识别方法.将上述方法和技术用于导引机器人焊接,提高了机器人适应外界环境的能力.     

1×8DCT图像压缩编码的理论分析和计算机模拟结果

本文首先介绍了正交变换的性质和变换编码的原理，然后将图像序列作为平稳马尔柯夫序列，对１×８ＤＣＴ图像压缩编码作了理论分析和计算机模拟。模拟结果与分析是一致的。     

基于视域剔除和图像缓存技术的复杂场景快速绘制方法

结合基于场景图构建的虚拟场景和仿真应用的特点,提出了一种基于视域剔除和图像缓存技术的复杂场景快速绘制方法。此方法能够有效地解决图像缓存算法中,由于未考虑视域不可见剔除,而造成的绘制元素复杂度计算偏差引起图像缓存误判断,从而降低绘制效率的问题。另外,通过对图像缓存有效性的判断,可以简化视域不可见剔除的判断,提高绘制效率。     

基于普通数码影像快速绘制等高线方法研究

利用普通数码相机采集立体像对,通过直接线性变换(DLT)方法,对所采集的立体像对进行分析、解求,进而求取立体像对内的地表三维空间坐标,利用求得的地表三维空间坐标组建三角网(TIN),从而在TIN的基础之上绘制等高线。     

对网络环境下文献采访的思考

通过比较网络环境下文献采访与传统文献采访业务活动的特点 ,讨论了网络环境对文献采访工作的影响 ,提出为适应网络环境下文献采访的新特点 ,应当树立文献采访的整体观、开放观、科学观、效益观     

基于内容的图象检索技术

本文对基于内的图象检索理论进行了深入的研究，给出了图象检索的基本过程，常用方法，匹配算法和提高检索效率的方法。     

岩石颗粒图像获取

在图像分析系统或计算机视觉系统被应用于岩石颗粒中，第一个要解决的问题是图像获取，其决定着图像质量的好坏，在不同的应用环境中，图像的获取方法是不同的。我们在实际应用经验的基础上，提出了岩石颗粒图像获取中的几个问题，并阐述和分析其解决的方法。     

Method of Monitoring Wearing and Breakage States of Cutting Tools Based on Mahalanobis Distance Features

The Mahalanobis distance features proposed by P.C.Mahalanobis, an Indian statistician, can be used in an automatic on-line cutting tool condition monitoring process based on digital image processing. In this paper, a new method of obtaining Mahalanobis distance features from a tool image is proposed. The key of calculating Mahalanobis distance is appropriately dividing the object into several component sets. Firstly, a technique is proposed that can automatically divide the component groups for calculati...     

An Approach to Checking 3D Model with Related Engineering Drawings

For some reasons, engineers build their product 3D mo del according to a set of related engineering drawings. The problem is how we ca n know the 3D model is correct. The manual checking is very boring and time cons uming, and still could not avoid mistakes. Thus, we could not confirm the model, maybe try checking again. It will effect the production preparing cycle greatly , and should be solved in a intelligent way. The difficulties are quite obvious, unlike word checking in a word processing package, ...