为了解决现有算法对密集细胞识别精度不高及空间轨迹错误相连的问题，建立了一种针对斑马鱼尾部中性粒密集细胞的识别与追踪网络，该网络通过改进的mask region-based convolutional neural network （Mask R-CNN）及DeepSort对细胞进行识别与追踪。首先，从自搭建的光学投影层析成像（OPT）系统获取细胞图像；然后，改进Mask R-CNN中训练模块的Huber掩膜损失、优化神经网络参数，并在检测模块中拓展灰度级动态范围来提高边缘检测性能，实现细胞的识别；最后，利用DeepSort结合改进的逐帧关联思想将定位的二维像素坐标转换为三维空间坐标，进行轨迹连接。实验结果表明：所提网络的训练效率提高了约50%；XZ和YZ面细胞分割精准率分别达到了98.99%和97.83%，比未改进的Mask R-CNN、U-Net、形态学和分水岭分割等的分割效果均有显著提高；在细胞关联性为75%时，可重建出79.6%的斑马鱼中性粒细胞轨迹。该网络能够较好地实现对高度重叠细胞的识别分割与轨迹重构，将二维定位拓展到三维空间，不仅为密集微观生物的分类识别提供了借鉴参考，而且为病理学研究中细胞应激反应提供了一个重要的直观模型。

提出一种基于有效背景重构和对比度增强的Mura缺陷检测方法。首先, 提出了一种新的基于缺陷区域预剔除的背景重构方法, 能够有效地重构背景图像, 消除图像亮度不均等干扰。然后, 引入了基于Otsu的双γ分段指数变换法对差分图像进行增强处理, 能够有效解决背景残余问题且极大增强了Mura区域的对比度和轮廓度。最后, 直接运用动态阈值分割方法, 可以快速准确地将Mura缺陷分离出来。实验结果表明, 与传统的多项式曲面拟合方法以及离散余弦变换法相比, 本文方法对各种类型的Mura缺陷检测效果稳定, 且检出率和无误报率均达到了97%以上。

多聚焦图像融合作为一种有效的信息融合方法,在图像处理和计算机视觉领域引起了越来越多的关注。提出了一种基于离散Walsh-Hadamard变换(DWHT)和引导滤波的多聚焦图像融合算法。首先,提出了一种新的聚焦区域检测方法,该方法运用DWHT并计算L1范数得到初始决策图;然后,运用数学形态学方法和引导滤波优化生成最终决策图;最后,由像素加权平均规则和最终决策图得到融合图像。为验证所提算法的有效性,选择3组研究中普遍使用的多聚焦图像进行实验,并将该算法运用于实际应用中采集到的2组多聚焦序列图像,与其余几种算法相比,所提算法在主观定性分析和客观定量评价指标上均表现出明显的优势。实验结果表明,与其他多聚焦图像融合算法相比,所提算法能更有效地从源图像中提取聚焦区域,增强融合图像的细节保留能力和空间连续性。

主要通过理论和实验研究相位匹配角和非共线角对三硼酸钙钇(YCOB)晶体光参量啁啾脉冲放大(OPCPA)的放大光谱产生的影响。理论上，通过数值模拟计算发现，基于YCOB-OPCPA的放大光谱对相位匹配角和非共线角的变化均比较敏感，当相位匹配角或非共线角有微小变化时，增益光谱将会出现中心波段漂移和窄化现象，但当非共线角在2.80°~2.91°之间变化时，总能找到一个理想的相位匹配角与之匹配，满足带宽大于80 nm的宽带OPCPA放大。为了获得高效率宽带OPCPA放大输出，提出一种基于高精密CCD的非共线角的测量方法，并利用该方法在实验中研究了不同非共线角下YCOB晶体OPCPA的光谱增益特性，并获得宽带放大光谱，为单次OPCPA调试实验提供参考。

为了进一步提高虹膜识别的准确性,提出了一种基于相位一致性最大响应方向的虹膜识别方法。该方法对人眼图像进行图像预处理,得到归一化的虹膜图像;然后,提取像素对于相位一致性的最大响应方向作为可区分性特征,并将最大响应方向的序号编码为简单易处理的二进制虹膜代码;最后,通过计算两个虹膜代码之间的加权汉明距离衡量二者的差异,并给出识别结果。实验结果表明,该方法的等错率为0.871 5%,正确识别率为99.851 8%。与经典的虹膜识别方法相比,该方法具有更高的识别准确性。

目的:观察不同剂量的当归多糖(ASP)对D-半乳糖致衰老小鼠模型的学习记忆是否具有改善作用.方法:行为学采用Morris水迷宫实验,测定小鼠血清和脑组织SOD、MDA值,观察脑细胞形态学变化,脑细胞凋亡指数.结果:与模型组比较,ASP可明显提高衰老小鼠学习记忆力、增强小鼠血清和脑组织SOD活力、减少MDA含星、改善脑细胞变性和坏死情况、降低脑细胞凋亡指数.结论:当归多糖能改善D-半乳糖致衰老小鼠学习记忆功能,延缓脑组织的衰老.

本文提出了一种改进的基于人眼结构特征的虹膜识别方法,基本思想是:首先,通过图像预处理,确定虹膜的位置和大小,将环形虹膜图像展开成矩形并进行归一化与图像增强;其次,利用局部灰度极小值的方法寻找有效虹膜区域内的特征点,依据纹理长度和方向信息去掉伪特征点,得到虹膜二进制编码;最后根据匹配准则进行识别.大量实验表明,该方法识别率高,识别时间短.

虹膜定位是虹膜识别系统的重要组成部分,定位的速度以及定位算法的健壮性是需要特别注意的因素.根据对人眼的结构特征进行分析,提出一种新颖虹膜定位算法.利用一种灰度累加算子找到瞳孔内一点,通过边缘检测模板找到虹膜内圆上三个不共线的点,从而快速而准确地定位出虹膜内圆,通过边缘检测模板找到虹膜外圆上四个不共线的点,从而快速定位出虹膜外圆.对已有的756幅虹膜图像组成的虹膜数据库进行定位,本算法只需要1.59min,平均定位时间达到0.126s,准确率达到99.07%.比Hough变换以及Daugman的圆检测算子等经典方法速度上有了很大的提高.而且保证了定位的准确率和算法的鲁棒性.

由于虹膜自身的稳定性、非侵犯性、不可更改性等优点,虹膜识别已经成为生物特征身份鉴别领域中的研究热点。但虹膜丰富的纹理和复杂的结构给特征提取和编码带来了很大困难。为尽可能地简化特征提取和编码方法,提高虹膜识别效率,提出了一种基于局部信息统计的虹膜分块编码方法。对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;分别根据虹膜局部信息与全局信息、局部信息与局部信息之间的比较关系进行分块编码;计算了不同虹膜代码之间的汉明(Hamming)距离。根据汉明距离给出识别结果。实验证明该方法有效、可行,具有较高的识别率和识别速度。

目前的虹膜识别都是采用在图像上提取特征点,并将特征点编码为固定长度的特征数据用于匹配的方式。这种方式使虹膜识别系统易受攻击。为了进一步提高虹膜识别系统的安全性和识别速度,提出了一种基于灰度曲面匹配的虹膜识别方法。该方法抛弃了特征提取和编码等传统操作,在特征分析的基础上直接利用了灰度曲面匹配的思想,首先对两幅图像中的像素灰度做差,得到灰度差曲面,然后求出该灰度差曲面的方差。将此方差作为衡量两个虹膜特征曲面之间距离的依据,并据此判定两个虹膜是否来自同一只眼睛。在给定阈值为40的前提下,正确识别率为96.89%,识别时间为53.2 ms。实验结果证明,该方法识别准确率高,识别速度快。