一种强粘连细胞图像的分割方法与实现研究

当多个细胞严重粘连时,传统的分割方法难以取得理想的分割效果。针对大部分细胞呈近似圆形的特点,提出了一种基于Hough变换圆检测的粘连细胞分离方法：采用彩色梯度法提取粘连目标边缘,然后针对细胞的圆形特征,以边缘有效像素点与对应圆周长的比值作为分割闽值做圆检测确定各细胞圆心及半径．并建立实体细胞判别准则作为粘连分割实现依据,最后根据各细胞有效弧含像素的多少确定对应圆的完整性实现粘连分割。实验表明,与采用传统的分水岭算法比较,该方法在强粘连细胞的分割方面,具有明显的优势。     

基于多指示剂的智能光化学pH传感技术

提出了一种宽范围的ｐＨ传感技术。含有单一批示剂的ｐＨ识别器的检测范围一般都比较窄,而把二种有着不同检测匹配的ｐＨ指示剂结合在一起形成的ｐＨ识别器可扩大其检测范围。人工神经网络能够识别非常复杂的模式,使用它可充分地利用ｐＨ识别器对光信号的调制信息,从而进一步扩大ｐＨ识别器检测范围。     

基于轮廓的血细胞图像拼接算法的设计与实现

针对显微镜下血细胞切片图视野较小的问题,提出了一种基于轮廓的拼接算法。首先通过改进的迭代法分割出白细胞胞核;采用边界跟踪法提取胞核轮廓后,计算各轮廓图像的不变矩,并构建不变矩的欧式距离矩阵;根据最近邻原则找出匹配轮廓,以匹配轮廓的重心为控制点计算仿射坐标变换系数。实验结果表明,该方法具有旋转、平移、缩放（RTS）不变性,且精度高,自动化程度好。     

自适应随机共振技术在图像复原中的应用

为了优化强噪声背景下图像复原的效果,将随机共振原理应用于图像复原。通过添加最佳噪声的方法来实现随机共振,从而达到比较满意的复原效果,并提出了一种自适应算法。实验结果表明,在信噪比很低时,该方法优于传统方法,为强背景噪声下的图像复原、目标识别和图像理解等应用提供了一种新的思路。     

一类光照不均图像的特征提取方法

图像采集过程中因环境光照不佳等原因往往造成的光照不均,同一物体在不同光照条件下成像差异极大,给图像特征提取带来了挑战.为了提高特征提取对光照不均的鲁棒性,提出了基于色彩衡量的特征检测方法.根据Kubelka-Munk光谱辐射理论,分析计算颜色的空间结构和光谱结构,利用高斯颜色模型估算得到色彩衡量取代灰度图作为信息输入,...     

基于双稳态随机共振的图像复原技术研究

传统的图像滤波复原技术一般通过滤除噪声来达到恢复图像的目的,但是对于受强噪声干扰的图像,噪声的消除很困难,而随机共振却具有利用噪声增强信号的特点,因此,提出了以非线性双稳态系统作为信号处理器,根据互信息熵调节参数使系统达到非周期随机共振状态,从而对受噪声污染的图像进行复原处理。实验结果表明,相比传统滤波复原方法,该方法的复原结果更加接近于原图,另外对于噪声强度的变化具有较好的鲁棒性。     

基于美尔倒谱系数和复杂性的语种辨识

提出一种在传统提取MFCC特征的基础上增加复杂性特征的方法,利用OGI-TS电话语音库对该方法进行性能测试,比较、分析英语、汉语、日语3个语种的识别效果,结果表明,该方法相对于传统方法能明显提高语种识别的准确性和鲁棒性。     

采用MOS气敏阵列与B-P网络的气体分析方法研究

研究了采用廉价的MOS气敏阵列与B－P神经网络来实现气体分析的原理、方法和构成，并通过模拟试验显示这一方法的可行性．     

随机共振在强噪声环境中语音增强应用

传统的语音增强方法是在保持语音可懂度和清晰度的前提下,尽可能地从带噪语音中提取需要的纯净语音,而在强噪声环境中,语音信号表现为弱信号,去噪变得困难.基于Hodgkin-Huxley神经元阈上非周期随机共振原理,提出一种自适应调节,添加最佳噪声来进行语音随机共振,从而实现语音增强.Matlab实验结果表明,在强噪声环境中实现对语音信号增强,信噪比提高明显,且效果优于传统算法.方法具有一定鲁棒性,提供了在强噪声环境中增强语音信号的新思路.     

一种改进的基于谱熵的语音端点检测技术

论文提出了基于时频谱减增强和谱熵的语音端点检测算法。算法对带噪语音在频域利用谱减法去除宽带加性噪声,在时域去除由谱减带来的残差噪声从而对语音进行了增强。对增强后的语音利用谱熵特征进行端点检测。实验结果表明,此算法快速有效,具有较强的抗噪能力,特别适合低信噪比的语音端点检测。