眼轴长度测量方法及进展研究

为配合临床实现人工晶体屈光度数计算,以及为日常眼病预防提供依据,眼生物参数测量特别是眼轴长度测量逐渐被人们所重视。以眼轴长度为目标,论述了现有的眼轴长度测量方法,包括超声测量方法和光学测量方法。重点概述了光学部分相干原理,低相干原理和光学相干层析(OCT)技术在眼轴长度测量方面的研究进展,分别介绍了各方法及典型仪器的测量原理、测量精度及范围,论述了眼轴长度测量的发展方向。光学测量方法以其无损伤、快速、高精度等优点逐渐替代了超声测量方法,但对于晶体混浊眼还需依靠超声测量方法。     

基于Zn2SiO4:Mn的硅基成像器件紫外响应增强薄膜制备及其表征

为了增强CCD、COMS等硅基光电成像器件的紫外响应，在其光敏面镀上“紫外—可见”变频薄膜将紫外光变为可见光，以实现CCD、COMS等硅基光电成像器件的紫外响应。 Zn2SiO4:Mn由于粒子直径小，稳定性好，荧光量子效率高等优点，在增强光电器件紫外响应领域有着很广泛的应用前景。现用“旋涂法”法在石英基底上生成 Zn2SiO4:Mn紫外增强薄膜，并对其透射光谱、吸收光谱、激发光谱与发射光谱等光学性质进行测量分析。实验测得薄膜在300nm以下透过率极低，在300nm以上透过率很高且平稳；对300nm以下的光具有很强的吸收，对300nm以上的光吸收很弱且很平稳；激发峰在265nm,发射峰在525nm,即能将紫外光转化为可见光。同时分析了Zn2SiO4:Mn 薄膜的均匀性、厚度、稳定性等物理性质对其变频性能的影响，可知Zn2SiO4:Mn 薄膜是一种可用于增强CCD等光电器件紫外响应的紫外增强薄膜。     

基于边缘检测的七阶矩方法

针对人耳特点在Canny边缘检测基础上采用不变矩算法提取特征向量.Canny算法能不漏检真实边缘,也不会把非边缘点作为边缘点检出,它检测出的边缘点都尽可能在实际边缘的中心,而且Canny算法对虚假边缘响应有抑制作用.采用不变矩算法进行特征提取,该算法具有不受平移、旋转和比例变化限制的特点.     

全息离子束摆动刻蚀凸面闪耀光栅制备技术

高衍射效率的凸面闪耀光栅是高光谱分辨率成像光谱仪的核心分光元件,其制作方法包括机械刻划法、电子束直写法、X射线光刻法、全息离子束刻蚀法等,其中全息离子束刻蚀法因为具备良好的各向异性,不受尺寸与曲面形状限制,杂散光低,完全没有鬼线,制造时间短等优点成为现今光栅制造领域常用方法之一。传统全息离子束刻蚀凸面光栅时基底的弯曲会导致槽形闪耀角的不一致性,并且在制作小闪耀角凸面光栅时基底表面会有部分区域无法被刻蚀和槽形曲面不连续的现象,而摆动刻蚀凸面闪耀光栅可以克服上述缺点。对全息离子束刻蚀方法制作凸面闪耀光栅多方面进行了综述。     

亚像素理论在图像边界处理中的应用研究

图像分辨力大大低于胶片是数字图像处理的一大弱点,此弱点极大地限制了数字图像处理技术在精密测量等领域的应用。亚像素软件处理技术能弥补这一缺点。介绍了常用的亚像素处理技术,以及提高角度精确度和边缘检测的方法。     

光栅成像光谱仪同心光学系统研究

详细讨论了光栅同心光谱仪的波像差表达式。当入射光束与出射光束平行时,单色同心光学系统空间任一点成几何理想像。揭示了光栅同心光谱仪满足远心条件时,光瞳像差仅有三级球差和场曲及高级剩余像差,系统需要校正场曲和球差。光栅必须放在前后光学部分的焦平面上,满足远心条件。最佳光栅刻线是等间隔平行线。介绍了两种典型同心光学系统的结构和特性。     

基于遗传算法的非球面眼镜片设计

为降低眼镜片的像散和畸变,获得更好的视觉效果,采用多目标优化遗传算法设计非球面眼镜片。非支配排序遗传算法(NSGA-Ⅱ算法)随机生成多组前弯和非球面系数后,采用光线追迹计算像差大小,通过模拟自然选择的过程对参数进行优化,再结合实际生产情况确定最终的设计结果。通过仿真和加工测量的手段对-8 D(1 D=1 m~(-1))镜片的设计进行验证,所得的球镜光焦度分布情况与仿真结果一致。与球面透镜相比,所采用的方法可以显著降低非球面眼镜片的像散、畸变和边缘厚度。     

用LED实现高亮度超薄型背光源的设计方法

近年来随着LED产业的发展,LED光源在背光应用领域也在不断拓展。本文主要从LED直下式背光源的结构特点探讨,如何提高亮度和均匀性,用光学软件模拟了用大功率白光LED实现高亮度和均匀性的背光模组,用实验数据验证了最初理论结果。并对LED直下式结构模组和LED侧入式结构模组的优缺点进行了对比和全面分析,及直下式LED背光结构在背光源系统的各个领域广泛应用的必然性。     

基于PCA和SVM算法的肝癌细胞显微后向散射光谱分类

为了实现对肝癌的早期实时和在体探测,基于前期搭建的光纤共聚焦后向散射(FCBS)光谱仪获取肝癌细胞的显微后向散射光谱,分别使用主成分分析(PCA)和支持向量机(SVM)两种算法,对获得的正常肝细胞株(L02)、低转移潜能肝癌细胞株(MHCC97-L)和高转移潜能肝癌细胞株(HCCLM3)三种细胞的后向散射光谱进行分类。使用PCA对获得的三种细胞光谱数据进行降维分析,得到的前两个主成分综合了全部信息的95.4%,由主成分1和主成分2的得分图可以观察到,三种细胞在直观上有明显的区分;对同一数据集选取69例对象通过SVM机器学习算法训练分类模型,随机抽取50例作为训练集,19例作为预测集,最终分类的准确度达到了94.7%。实验结果表明:使用光纤共聚焦后向散射(FCBS)光谱仪获取的细胞显微后向散射光谱可以分别通过PCA和SVM对不同转移潜能的肝癌细胞进行自动分类,这将为研究活检提供必要的检测手段。