图像传感器在医学诊断领域中的应用

图像传感器是多功能、高性能的摄像器件。主要介绍CCD和CMOS图像传感器在医学诊断领域中的应用。     

医学诊断领域中的CCD图像传感器

图像传感器是多功能高性能的摄像器件.本文主要介绍CCD图像传感器在医学诊断领域中的应用.     

CCD与CMOS图像传感器在微型摄像机中的应用

本文概述了CCD与CMOS图像传感器在微型摄像机和超微型摄像机中的应用。     

新型CMOS图像传感器及其应用

主要介绍CMOS图像传感器的发展现状、最新进展、市场前景及其在医学上的应用。     

CMOS图像传感器在数码相机中的应用

对CMOS与CCD图像传感器的特点及其在数码相机中的应用进行了讨论，着重研究了CMOS图像传感器芯片的应用及其发展前景，针对CMOS图像传感器的特点设计了一个完整的数码相机，并利用PC机中的图像处理软件处理和显示所拍摄的图片。     

新颖固体图像传感器发展及其应用

本文主要概述了Super CCD、CMOS图像传感器、C3D、APDIS、ARAMIS、FoveonX3全色CMOS图像传感器、VMIS、薄膜ASIC图像传感器、See MOS图像传感器等新颖固体图像传感器的发展现状。此外,就其应用市场和主要技术进行了简介。     

CMOS图像传感器的最新进展及其应用

主要介绍CMOS图像传感器的发展现状，最新进展，市场前景及其在医学上的应用。     

微型数码相机应用中的CMOS传感器

现在,实现更高分辨率和更小尺寸的数码相机的有效途径,是在数码相机市场内引进CMOS图像传感器,与比较相似的CCD技术展开竞争。 CMOS的优势是能够利用标准生产线,能够在敏感阵列附近集成大量的数字电路,从而减少数码相机设计需要的集成电路的数量,而CCD则需要专门的硅制造工序,但CCD的信噪比目前在性能上仍占据上风,尤其是在微光条件下更是如此。不过,CMOS正在慢慢地缩小与CCD在这方面的差距。     

新颖固体图像传感器的发展及应用

主要概述Super CCD、CMOS图像传感器、C^3D、APDIS、ARAMIS、Foveon X3全色CMOS图像传感器、VMIS、薄膜ASIC图像传感器、See MOS图像传感器等新颖固体图像传感器的发展现状。此外，简单介绍其应用市场和主要技术。     

固体图像传感器在交通领域中的应用

概述固体图像传感器的类型和特点，探讨固体图像传感器在公路交通领域中的应用。     

纳米CMOS图像传感器及其在航空航天中的应用

随着超大规模集成技术的飞速发展,CMOS图像传感器已成为研究开发的热点。简要介绍和分析了基于非平衡格林函数、维格纳函数与密度矩阵、单粒子薛定谔方程的三种纳米CMOS器件的输运模型,并指出了各种模型的优缺点和适用对象;针对纳米CMOS图像传感器面临的关键技术问题,给出了相应的解决方法;讨论了纳米CMOS图像传感器在航空航天中的应用。     

剥离技术在GaN基紫外图像传感器中的应用

采用剥离技术,实现了GaN基紫外探测器件与硅读出电路的倒焊对接,对提高GaN基紫外图像传感器的电学特性起到了重要的作用.介绍了剥离技术的原理,实验结果分析及应用.     

应用流域变换分割医学图像

医学图像分割是图像处理研究的难点。图像分割的方法很多,但是对医学图像却无法得到有效的分割结果。文中首先介绍了流域变换的基本思想、基本原理以及流域变换的计算步骤,然后应用流域变换分割复杂的医学图像,最后讨论流域变换的优缺点。实验结果表明,流域变换为医学图像提供了一种崭新的分割方法。     

电荷耦合器件图像传感器在微光成像系统中的应用

本文在对电荷耦合器件图像传感器的原理特性进行分析的基础上，阐述了电荷耦合器件图像传感器在微光成像系统中的应用，重点讨论了使电荷耦合器件具有微光特性所采取的几种方式，并指出了应用当中应该注意的几个问题及解决的途径。     

CMOS图像传感器及其应用

CMOS图像传感器是近年来市场上出现的一种新的摄像器件,文中对CMOS图像传感器与CCD图像传感器作了比较,分析了CMOS像传感器的工作原理及其优越的性能,提供了CMOS像传感器的应用实例。CMOS成像器在红外成像领域具有广阔的应用前景。     

接触式图像传感器的发展与应用

CIS（接触式图像传感器）是一种新型图像传感器，它比CCD部件结构更紧凑，体积更小，且价格更低。可广泛用于小型低功耗便携式扫描仪等系统，文中主要介绍了接触式图像传感器的发展现状及应用。     

CMOS图像传感器的发展及应用

比较了CMOS图像传感器与CCD图像传感器的优缺点，分析了CMOS图像传感器的结构、研制现状、应用及市场前景。指出随着CMOS传感器技术的发展，CMOS图像传感器可以代替CCD图像传感器，并预见了其发展趋势。     

Attraction-Repulsion Expectation-Maximization Algorithm for Image Reconstruction and Sensor Field Estimation

In this paper, we propose an attraction-repulsion expectation-maximization (AREM) algorithm for image reconstruction and sensor field estimation. We rely on a new method for density estimation to address the problems of image reconstruction from limited samples and sensor field estimation from randomly scattered sensors. Density estimation methods often suffer from undesirable phenomena such as over-fitting and over-smoothing. Specifically, various density estimation techniques based on a Gaussian mixture model (GMM) tend to cluster the Gaussian functions together, thus resulting in over-fitting. On the other hand, other approaches repel the Gaussian functions and yield over-smooth density estimates. We propose a method that seeks an equilibrium between over-fitting and over-smoothing in density estimation by incorporating attraction and repulsion forces among the Gaussian functions and determining the optimal balance between the competing forces experimentally. We model the attractive and repulsive forces by introducing the Gibbs and inverse Gibbs distributions, respectively. The maximization of the likelihood function augmented by the Gibbs density mixture is solved under the expectation-maximization (EM) method. Computer simulation results are provided to demonstrate the effectiveness of the proposed AREM algorithm in image reconstruction and sensor field estimation.