关键词： 图像处理软件   社交平台   手机摄影   发展的趋势   简单快速   丰富多样   云端存储   操作方式  

摘要： 简单快速的操作方式就不能和艺术表现画等号吗?当然不是,便捷才是社会发展的趋势。全民摄影时代,手机的普及和应用成为最大的"推手",手机摄影的特点是便捷:拍摄便捷,随手就拍,不干扰被摄者;后期调节便捷,可使用丰富多样的图像处理软件实现创想;分享便捷,即拍即分享,上传至各种社交平台或云端存储只需几秒钟……如此流畅的操作,可以说是许多苦学摄影几十年的人此前无法想象的事。

ISBN: (纸本)9787302592037

关键词： 食品健康   图像分割   文字识别   信息提取  

摘要： 食品是人类生存和发展最基本的物质,当今我国经济高速发展,我国食品产业集群也呈现高速发展态势,伴随着经济发展实现了跨越式发展。但是对于食品而言,安全和健康是最基本的要求,如何加强促进健康素养,规范健康科普工作,为公众提供科学权威的食品健康科普知识,在目前我国人民日常生活中显得尤为重要。鉴于现实的需求,本文主要研究并开发一种食品成分识别系统,适用于市场上所有有包装的食品,根据食品包装材料上的成分信息,提示用户该食品的成分是否健康、有无添加剂、哪一类人群适合食用、食用时有什么禁忌等。该系统对用户友好,且使用方便,适用所有人群,能有效帮助用户了解该食品商品中成分的信息,并对此做出鉴别。在技术方面,以数字图像处理技术为基础,梳理本文中涉及到的去噪、分割算法以及文字识别技术,着重探讨了基于深度学习的去噪、分割算法和基于深度学习的文字识别技术。本文开发一个简单的食品包装图像识别系统,将待检测食品的包装标识图像进行去噪、分割,得到目标文字图块;然后根据文字识别技术,对目标文字图块进行文本提取,得到对应的文本信息;接着将文本信息与预设食品专业词典进行匹配分词,得到分词结果;最后根据分词结果对所检测食品进行食品成分识别。通过该方法,能对检测的食品包装标识图像上的食品成分信息进行提取,实现了对食品中成分信息的有效识别,对用户感兴趣的成分信息提供在线科普,帮助用户快捷地判断食品中是否含有添加剂或有害成分,或者食用禁忌等问题。总之,本文中研究并开发的基于数字图像处理技术的食品成分识别系统,经过检测能有效识别食品包装中标识的成分信息,并在生活中协助用户了解该食品商品中成分信息的健康、安全级别,对于提升用户食品健康方面有十分积极的意义。

ISBN: (纸本)9787111697435

关键词： 水稻   花期和穗粒相关性状   自动化图像处理   深度学习   经济型表型分析  

摘要： 水稻生产对保障中国粮食安全具有重要意义,进一步提高其产量是应对潜在粮食短缺风险的关键举措。水稻产量同时受基因和环境因素影响,是一个高度复杂的性状。因此深入研究水稻关键生育时期对解析水稻产量形成具有重要意义。花期和穗粒相关性状是对水稻产量形成和评估的重要依据,二者有明确的联系,且在高产水稻遗传育种和栽培管理中均扮演着重要角色。 高通量基因组学是科学家们精准鉴定水稻关键农艺性状基因位点、设计优良品种的利器之一。然而,基因组学研究需要大规模、高质量的表型数据作为支撑,受到基于人工的传统表型方法掣肘,因此亟需自动化、高效率的水稻表型方法。受限于技术和硬件成本,当前对水稻花期和穗粒相关性状的表型鉴定仍主要依靠人工,限制了表型统计的监测频率、规模和数据可靠性。计算机视觉、图像处理和深度学习技术已在水稻花期和穗粒表型分析方面取得了一定进展,在减少人工干预的同时,有望提高数据采集和表型分析的准确度。本研究与上海市农业生物基因中心和中科院国家基因研究中心合作,构建了水稻花期及穗粒表型图像集的获取方法,并从图像特征量化提取和自动化分析角度出发,自主设计了一套经济性高、实用性强的水稻花期及穗粒表型数据分析方法。 花期性状分析方面,本研究设计了半自动工作流程以辅助人工标注稻穗、构建了稻穗分割数据集、训练了稻穗分割模型。在前期工作的基础上,本研究提高了花药对象检测算法的准确度和泛化能力,并结合花药和稻穗对象进一步发掘了与开花关键时段相关的性状。算法分析结果与人工统计数据对比结果为:（1）基于图像分析花药数和花药面积的决定系数（R2）分别为0.90、0.86（n=150张图像,P<0.001）;（2）算法基于开花穗区面积分析始花时刻的平均相对误差（MRE）为3.92%,R2为0.72;（3）算法基于花药数和花药面积分析盛花时刻的MRE分别为3.76%、3.59%,R2分别为0.76、0.77（n=1683次测量,P<0.001）。穗粒分析方面,根据本研究提取的花期相关性状表型组数据,由合作团队挑选了18个开花特征相近的品种进行穗粒相关性状分析。本研究设计了一种无需脱粒、直接通过稻穗图像考察每穗粒数和多种穗粒相关性状的智能表型解析算法,可从图像中快速提取完整穗粒并量化分析其粒长、粒宽、长宽比、圆形度和颜色等多种穗粒相关性状。在室内定点拍摄的18个水稻品种中,算法对每穗粒数分析结果的MRE和R2分别为5.48%、0.95（n=4930粒,P<0.001;基于图像）和9.02%、0.88（n=4191粒,P<0.001;基于实际稻穗）;长宽比分析结果与人工统计的MRE和R2为8.36%、0.84（n=1454粒,P<0.001;基于图像）。此外,通过聚类分析可将所试18个品种在欧式距离3.8处分为4类,与人工聚类分析结果相似,可高效区分不同水稻品种间的穗粒性状差异。 结果表明,本研究构建的分析算法使用便捷、成本较低、易于推广,性状分析结果具有生物学意义。因此,本研究适用于对精确度和泛化性要求较高的花期和穗粒性状快速鉴定工作,改进了以往表型研究在这一领域的不足,以期在提高当前水稻育种及栽培中品种对比效率的同时,提供标准统一、获取成本较低的表型组数据,辅助育种学家制定更精准有效的育种策略。

关键词： 计算机图像处理和识别技术   优势分析   具体应用  

摘要： 随着科学技术的不断发展，在信息时代的发展背景下，计算机技术在社会中得到了越来越广泛的应用。作为计算机技术的重要组成部分，计算机图像处理和识别技术的应用范围也在进一步扩大，通过对计算机信息数据的强化处理，在许多领域都发挥着重要的作用。基于此，本文主要从计算机图像处理和识别技术的概念入手，对计算机图像处理和识别技术的研究范围和需要用到的基本概念进行介绍，并对其优势进行分析，在充分了解计算机图像处理和识别技术应用过程的基础上，进一步探究计算机图像处理和识别技术在不同领域的具体应用，从而为计算机技术未来的发展方向提供更多思路，并为计算机技术的创新发展提供一定的参考作用。

关键词： 金融数据   经济学技术性指标   K线图   卷积神经网络   时间序列  

摘要： 由于金融时序数据的随机性且具有不同尺度的周期性等特点，造成金融时序数据难以预测。为此，早期的研究借助各种统计学分析方法，对金融时序数据的分布状态、数字特征和随机变量之间关系进行评估及建模。　　随着算力的飞跃式提升及深度学习的广泛研究，将深度神经网络应用于金融时序数据的预测分析，加速了人们对金融时序数据的认识及处理，挖掘了金融时序数据中所隐藏的特征及变化规律，并总结了一些金融时序数分析方法。但现有的研究多采用直接分析交易数据的形式，这与金融交易人员通过分析K线图(蜡烛图)以及各种分析指标所描绘的图像得出评判结果的方式有较大区别。　　为此，本研究基于金融数据图像以及指标图像的分析，摸索其中所隐含的变化规律特征。同时，借助于深度学习网络模型优秀的图像处理能力，通过学习训练，提取识别金融图像中大量特征及变化规律信息，从而在对历史金融图像分析的基础上，实现对未来发展趋势等的判断。　　其研究内容主要包括以下几个方面。　　1.基于经济学技术性指标及K线图的变化规律，把金融时序数据转换为正确的金融图像数据。为了获得金融图像中的信息特征并掌握K线图中市场走势规律，可以选择深度学习卷积神经网络模型(DCNN)来进行训练学习。为了避免在模型训练过程中出现拟合问题，本研究选择基于AlexNet经典模型进行改进。通过实验验证，训练后的模型能对未来一段金融市场价格涨跌趋势做出合理的判断分析。　　2.结合目标检测原理，将基于YOLOv3框架进行改进，并对获取的金融图像进行标注等处理。改进后的YOLOv3模型经过训练学习，可以准确地预测出一段金融市场波动中的转折点位置，并对转折点之后的金融跌涨趋势范围做出合理的判断。　　3.结合K线图理论，提出了一种基于LSTM模型的金融数据跨尺度预测方法。通过在训练模型中加入极值选择机制，发挥长短周期数据各自的优势，从而达到跨尺度预测效果。该跨尺度预测方法不仅降低了LSTM模型对金融时间序列数据预测的滞后性，也提高了预测精度。

关键词： 免疫荧光图像   电离辐射   图像预处理   图像分割   深度学习  

摘要： 免疫荧光图像被广泛应用到临床与科学研究中,尽管目前的成像技术已经能够从分子水平观察到细胞内特定的蛋白,但受制于现有图像的处理方法,只能利用商业图像处理软件进行简单的数字信息提取,不能深层次对荧光图像定量分析。常见的生物医学图像处理基本采用人工方式进行数字信息获取,该方法存在耗费时间长、可重复性差、准确度低等问题。同时,由于汞灯激发光衍射角限制导致图像模糊、重影;图像背景过曝、对比度偏低;实验过程中出现杂质干扰;抗原抗体存在非特异性结合等问题,加剧了免疫荧光图像的分析难度。另一方面,近年来计算机技术不断飞速发展,卷积神经元网络、深度学习、遗传算法等新理论、新技术日新月异。因此,如何将计算机领域的新方法与免疫荧光图像处理相结合,扩充分析方法的多元化,提高图像处理的精确度,成为一个被热切关注的研究领域。放疗是肿瘤三大治疗方法之一,通常情况下,肿瘤细胞在受到电离辐射后,参与细胞活动的相关蛋白、细胞器及细胞核等均会发生功能与形态学上的改变,本论文聚焦电离辐射后肿瘤细胞内细胞器(初级纤毛)、细胞核及蛋白定位的免疫荧光图像分析方法,展开基于数字图像技术的免疫荧光定量分析研究:(1)利用色彩分离不同颜色通道,运用最大类间方差法分离杂质,对比不同边界算子的轮廓提取效果,通过个性化改进已有算子的特性,提出一种初级纤毛免疫荧光图像的定量分析方法,该技术较传统手动测量方法更精确、更高效;(2)通过设置阈值进行图像预处理,启动从坐标位置开始的数字信息获取,迭代全局阈值分割法有效缓解了图像过曝引起的离散噪声,解决了细胞核内过度共定位判定的问题,利用该逻辑运算获得的免疫荧光共定位结果较传统方法更具真实性;(3)基于YOLOv5深度学习检测框架设计出肿瘤细胞核的自动识别与计数方法,通过该技术实现了对免疫荧光染色后肿瘤细胞核的动态识别与计数功能,为活细胞成像检测与分析提供了一种全新的方法。

关键词： 接触角   微流控   数字图像处理   毛管压力曲线   计算机视觉  

摘要： 随着我国多数油田进入高含水期,提质增效成为多数油田迫在眉睫的任务。研究高含水期微观油水渗流动态规律,有助于为提高采收率提供建议,而微流控技术在微观渗流研究方面有着广泛应用。目前尽管有较多关于微观油水驱替的可视化研究,但从图像视觉特征出发的定量识别与分析研究方法较少。微观剩余油赋存状态与油水接触关系有着紧密联系,缺乏基于图像信息测量三相接触角的方法。而当前对于微观油水渗流动态规律,少有使用微观数据体现整体规律的研究。针对上述问题,本文建立基于数字图像处理的微观三相接触角自动测量方法,分析各类条件下接触角变化规律,并将该方法编制为软件系统。首先,本文使用自适应二值化方法对岩石、油和水进行分离提取,借助邻域检测法识别接触角顶点,采用最小二乘思想拟合三相界面;根据三点相对位置计算接触角角度,并以接触角顶点为单位对接触角进行批量统计。人工测量结果、微流控模型的润湿性和毛管压力曲线的特征均验证了该方法的准确性和有效性。其次,通过分析不同驱替阶段、不同剩余油类型和不同孔喉环境下的接触角数据特征,本文明确了各条件下接触角的数量、均值和标准差的动态变化趋势,进一步揭示水驱各个阶段微观油水接触关系的动态变化规律。考虑接触角与孔喉半径分布特征,本文建立计算平均毛管压力曲线的模型,将微观接触角数据体现至微流控油水体系的整体动态规律上来。结合Brooks-Corey毛管压力计算模型,验证了计算模型的准确性。最后,基于Python语言,本文借助Open CV、Sci Py、Num Py等开源代码库设计和实现了微流控动态分析系统软件系统。软件把微观接触角自动测量方法及其分析流程转变为简便快捷的操作,凸显了程序批量分析图像的高效、准确、统一的优势。软件为微观驱替实验的定量识别分析提供了应用基础,有助于油田科研实验人员提升对微观剩余油分布、微观油水接触关系的认识。

ISBN: (纸本)9787307229105