导读:本文包含了显微图像融合论文开题报告文献综述及选题提纲参考文献，主要关键词:钎焊磨粒,聚焦评价函数,图像融合,暗通道先验
显微图像融合论文文献综述
陈俊英,崔长彩[1]（2019）在《钎焊磨粒测量系统中的显微图像快速融合》一文中研究指出为了直观地表征钎焊砂轮表面磨粒的形貌,针对钎焊磨粒测量系统中显微镜头景深小,难于一次性清晰成像的问题,提出基于聚焦评价函数的磨粒显微图像快速融合方法.以聚焦评价函数的最大值为依据判别聚焦像素点,提取聚焦像素点颜色信息进行图像融合.针对特殊照明条件造成的融合误差进行误差补偿,对融合结果呈现的雾化现象,采用暗通道先验法进行去雾处理.实验结果表明:单颗磨粒137幅1 600 px×1 200 px显微图像融合过程用时5.10 s;文中方法可快速、直观地表征钎焊砂轮表面磨粒形貌.(本文来源于《华侨大学学报(自然科学版)》期刊2019年05期）
刘肖肖,孔德友,刘广宇,刘伯强[2]（2018）在《基于融合算法的尿沉渣显微图像有形成分外边缘检测方法研究》一文中研究指出目的:依托于Matlab环境,初步完成常规尿沉渣显微图像中不同有形成分的外边缘信息检测。方法:采用灰度化、邻域滤波和中值滤波等方法对图像进行预处理,分别使用Canny算子和Sobel算子处理样本,对于成像不均匀的细胞边缘信息缺失,使用Canny算子和Sobel算子对边缘进行迭加处理,通过膨胀腐蚀和孔洞填充等操作后可以得到有形成分的连通域信息。结果:融合算法可以用于均匀度不一致的有形成分外边缘检测,对阴影消除及红细胞、白细胞、上皮细胞和管型等分离细胞的定位定型检测基本准确。结论:单一算法对成像效果均匀清晰的图像效果佳,但融合算法对于上皮细胞、管型等均匀度不一的细胞处理结果明显优于Canny和Sobel单一算法的结果。(本文来源于《中国医学装备》期刊2018年11期）
胡蓉,夏平,雷帮军,徐光柱,邹耀斌[3]（2018）在《融合Otsu与PCNN的细胞显微图像分割》一文中研究指出针对细胞显微图像分割中由于纹理复杂较难定位轮廓信息的问题,提出了融合最大类间方差(Otsu)与脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的细胞图像分割算法。为定义PCNN中初始阈值,应用Otsu算法,确定细胞图像中目标与背景间最大方差,此为统计意义上的最佳阈值,以此作为PCNN细胞分割中初始阈值,提高了PCNN网络收敛速度;其次,构建PCNN细胞分割网络,通过初始化网络参数,实现细胞图像迭代分割;从视觉效果和客观评价指标两方面验证表明,相对于经典的最大类间方差(Otsu)算法和脉冲耦合神经网络(PCNN)算法,采用该算法分割的细胞显微图像的效果,其边缘与细节信息的清晰度、精细度均有较大程度改善。(本文来源于《信息通信》期刊2018年11期）
丁汛,赵跃进,丁玉奎[4]（2018）在《基于多图像融合的MEMS显微叁维形貌重构》一文中研究指出针对微型机电系统(MEMS)的叁维测量,显微镜或光学轮廓干涉仪等传统方法存在显微测量精度低、设备成本高等问题,且当结构含有较多断裂面时,解包裹算法效果欠佳。本文提出一种基于多图像融合的MEMS显微叁维测量方法。不同于多角度显微叁维测量方法,本研究首先利用单目显微镜,通过单一轴向移动获取一系列测量目标深度信息的单一角度图像,并利用去雾算法对图像进行预处理,实现了去噪和有效信息提取的目的;然后通过聚焦测度算法获取待测对象的深度信息;最后利用数据处理软件进行叁维拟合。基于上述原理,本文以焦平面阵列(FPA)作为待测目标进行了测量实验。本文提出的叁维测量方法和图像处理算法可获得更准确的FPA形貌,可清晰显示反射面与支腿部分及反射面上的释放孔,测得FPA的支腿长度为110.6μm,每个反射面的像元尺寸为120.8μm×70.8μm,与设计值基本吻合,解决了断裂面难以测量的问题,同时降低了微结构测量的难度和成本。单目显微镜单向移动的多图像融合测量技术对MEMS的叁维形貌测量具有重要意义,去雾算法在图像融合与叁维测量的图像处理也有很好的应用价值。(本文来源于《光学精密工程》期刊2018年05期）
金燕[5]（2016）在《大深度显微立体视觉图像序列融合及畸变矫正方法研究》一文中研究指出光学体视显微镜(Stereo light microscope,SLM)是一种精密的光学仪器,SLM视觉系统同步成像,在同一时刻,可以同步采集物空间场景的左图像和右图像,信号采集的延迟时间非常短,以致可以忽略,图像的同步效果非常好,SLM具有的优点使其在微测量中得到应用。本文主要研究在SLM系统下大深度显微立体视觉图像序列的融合及畸变矫正。显微图像融合技术对于解决大深度物体的模糊问题具有重要意义,SLM显微视觉系统中基于图像融合的测量技术对形状匹配以及叁维立体重构研究起着极其关键的作用。论文主要内容如下:第1章介绍了本课题的背景与研究意义,分析了显微测量的相关内容,概括了显微视觉的国内外研究状况,分析了SLM显微视觉的发展动态,引出了图像融合技术,将图像融合的概念、层次、融合原理和评价指标进行了说明。第2章大深度SLM显微视觉测量系统设计。基于SLM显微视觉图像融合的目标进行大深度测量系统结构设计,进行了系统的功能分析,以框图的形式介绍了其工作流程。第3章显微立体图像配准方法。首先介绍了图像增强、直方图均衡化和图像的滤波处理等显微图像预处理方法,然后是图像目标物的缩放与平移和深度的关系研究,最后以实物的图像配准结果对配准方法进行了验证。第4章显微图像序列融合。图像的直接融合方法、基于HIS变换的图像融合方法、基于图像块分割的图像融合方法、基于傅里叶变换的图像融合方法和基于小波变换的融合方法进行了比较。设计了基于小波变换的显微图像序列融合算法并对融合后的图像进行了实验与效果评价。第5章显微立体图像畸变矫正。分析了SLM双光路结构导致的图像畸变,给出了显微图像畸变矫正方法,最后进行了畸变矫正实验,对畸变矫正方法进行了验证。(本文来源于《北京工业大学》期刊2016-04-01）
吴坚[6]（2016）在《近膜区域荧光显微图像中亚细胞目标的斑点检测、融合事件识别和叁维形态重建》一文中研究指出随着光学显微技术的进步,全内反射荧光显微镜(total internal reflection fluorescence microscopy, TIRFM)相比于传统的生物医学研究方法(如免疫细胞化学、基因技术、亚细胞分层等)能够实时观察细胞膜附近区域内的亚细胞目标(如转运囊泡、自噬溶酶体、细胞骨架等),并定量分析其结构形态和动态运动特性(如微管结构,胞吞胞吐过程中的囊泡运动、细胞迁移等)。但由于所观察的对象特征复杂、运动模式多变,人工分析海量的TIRFM图像数据不仅十分繁琐,分析结果错误率往往较高。因此,利用计算机图像处理技术对显微图像进行自动分析,并提供客观的定量数据帮助量化并验证所观察到的生命活动就显得尤为重要。细胞膜附近区域葡萄糖转运蛋白(glucose transporter, Glut)囊泡的运动情况和微管细胞骨架的结构形态与葡萄糖转运机制密切相关。针对近膜区域内常见的Glut4囊泡、自噬溶酶体以及微管细胞骨架等亚细胞目标的TIRFM图像,本论文开展如下工作：荧光显微图像降噪,显微图像中特征斑点的检测,Glut4囊泡与细胞质膜融合过程的自动识别,以及利用多角度TIRF成像技术重建微管在近膜区域的叁维形态。论文主要成果及创新点包括：(1)在分析荧光显微图像形成的基础上,提出基于小波多尺度求和(wavelet multiscale addition, WMA)的图像降噪方法。不同信噪比的模拟图像实验结果表明相对于线性滤波,高斯平滑滤波以及小波多尺度方差稳定变换算法,WMA算法拥有更优的降噪效果。WMA算法在C2C12骨骼肌细胞Glut4囊泡和微管图像中的降噪效果也得到了验证。(2)建立了根据荧光斑点的亮度均值和方差构建特征空间实现显微图像中的特征斑点检测(feature particle detection, FPD)算法。模拟图像实验结果表明在信噪比很低(SNR=I)时,FPD算法的准确检测率仍能达到87%。在胸主动脉平滑肌细胞自噬溶酶体的检测中,FPD算法优于ImageJ软件自带的Analyze articles (AP)算法,与人工识别效果的拟合度达到93%。(3)基于pH值敏感性荧光蛋白VAMP2-pHluorin标记Glut4囊泡,应用移动平均差分算法结合自适应阈值(中值绝对偏差)能从TIRF图像序列中检测出备选Glut4融合囊泡并确定融合起始帧数。通过对备选Glut4融合囊泡进行逐帧二维Gaussian拟合,得到融合过程中囊泡的参数变化情况,以此判断备选Glut4囊泡融合过程属于完全融合(fullfusion)还是部分融合(partial fusion)。叁组已知真实融合信息的3T3-L1脂肪细胞TIRF图像序列用于验证识别算法的有效性。实验结果表明备选Glut4融合囊泡准确检测率达到96.5%,融合过程准确识别率达到84.3%。(4)结合多角度TIRF显微技术得到图像的更多空间深度信息,拟合不同入射角下激光的透射强度,实现了观察目标的叁维形态重建。实验结果表明在信噪比为2时,探测深度在300nnm范围内的定位精度能达到40nm。U373细胞中微管的叁维形态重建结果与细胞迁移过程中细胞骨架的叁维空间结构类似,符合生物学意义。本论文提出的TIRF图像处理技术为定量研究细胞膜附近亚细胞目标的结构形态和动态生理活动提供了客观的数据基础,对细胞近膜区域斑点检测、融合的动态过程识别和叁维形态重建具有重要的科学意义。(本文来源于《浙江大学》期刊2016-01-01）
吴东东,卜博,陈晓雷,许百男[7]（2015）在《融合MRI与CT图像的多模态神经导航技术在颅底显微外科手术中的应用》一文中研究指出目的探讨融合MRI与CT图像的多模态神经导航技术在颅底显微外科手术中的应用效果。方法回顾性研究在本院神经外科2013年1月-2014年4月收治的14例颅底肿瘤患者的临床资料,所有患者均在融合MRI与CT图像的多模态神经导航技术指引下接受显微外科手术。评价肿瘤切除程度及术前、术后神经功能变化。结果 14例中,近全切8例,次全切6例。术后3周,12例神经功能改善或同术前,2例神经功能下降,功能下降者行为状态评分(karnofsky performance scale,KPS)>60,生活可自理。结论融合MRI与CT图像的多模态神经导航技术可为颅底显微外科手术提供全面的导航信息,提高了肿瘤切除程度及手术安全性。(本文来源于《解放军医学院学报》期刊2015年05期）
何晓昀[8]（2012）在《基于GPU的多层显微图像实时融合技术》一文中研究指出随着GPU技术的发展,GPU比CPU拥有了更高的处理能力。本文提出将多层显微图像融合计算由CPU转移到GPU上进行,提升融合速度,最终达到图像融合与图像采集同步。两者的对比实验结果表明GPU在进行图像融合有明显的速度优势;将图像融合嵌入到图像采集程序后的测试表明通过GPU进行图像融合完全可以与相机采集相同步,完成采集、融合实时进行。这一结果改变了长期以来研究人员进行图像融合时,先拍照,再融合的工作流程,只需要将相机在不同聚焦高度扫描一次即可得到多层聚焦位置的融合图。(本文来源于《微计算机信息》期刊2012年08期）
邢艳丽[9]（2011）在《FTIR多光谱显微图像融合技术的研究及应用》一文中研究指出傅立叶红外（FTIR）显微成像技术是在红外光谱技术的基础上迅速发展起来的一项新兴的微区分析技术。与传统的可见光成像技术相比，FTIR显微成像技术的显着优势在于其测试过程中成像干扰小，不破坏样本基体，并且直观可视化。因此，近几年FTIR多光谱显微成像技术广泛应用于食品安全、药品检测、文物鉴定等领域。然而，一直以来由于软硬件条件的限制，使得数据分析方法和比对准确率受到了很大的限制，因此探求FTIR显微技术的数据采集及数据处理方法成为FTIR应用的重要研究课题。本课题研究中使用国际领先的Spotlight-400红外显微成像系统采集图像数据，并在此基础上探索多光谱图像特征优化融合方法，这在辅助病理分析及食品药品检测等领域有很高的学术价值和实际应用价值。文主要研究内容如下：首先，介绍了FTIR显微成像技术的基本原理及样品制备方法，并阐述了本文实验采用的国际领先的Spotlight-400光谱仪的技术指标和其红外成像特点，介绍了其强大的领先优势。接着，研究了多光谱显微图像的特征提取方法。重点研究了基于主成分分析的特征提取算法。并通过将化学计量学模型与模式识别基本方法相结合，提出了结合朗伯-比尔模型的PCA特征提取算法，通过实验结果分析证明了该方法的有效性。随后，研究了多光谱显微图像的融合方法。将当前流行的二维经验模态分解（BEMD）方法应用到多光谱图像融合中。本文根据显微多光谱图像融合的需要，综合考虑了图像的分解速度、图像的性质和融合后图像的质量等因素，针对二维经验模态分解中的几大主要问题，包括极值点的选取、包络面的插值、筛分停止准则以及数据边界问题的处理等进行了详细地讨论。然后，在充分考虑了显微图像的细节信息以及光谱特征的同时对分解后的图像进行融合。实验表明，与基于小波变换的融合方法相比，该方法不仅具有自适应性，而且融合后的图像更好地保留了光谱细节信息。最后，本文针对Spotlight-400采集的FTIR多光谱显微图像提出了一套有效的处理方法——基于主成分分析和BEMD的多光谱显微图像融合算法，从红外光谱分析与可视化多光谱数字图像处理相结合的全新视角，结合多光谱特征优化及融合方法，研究多分辨率阶层聚焦识别算法，定位感兴趣区域，从而突出FTIR显微多光谱图像的问题区域，得到信息丰富且感兴趣区域突出的融合图像。并通过兔子动脉切片和小麦种子切片两组实验验证了新算法的有效性。(本文来源于《哈尔滨工程大学》期刊2011-12-01）
冯琳清[10]（2011）在《序列显微荧光图像的动态特性定量分析及融合检测》一文中研究指出荧光探针和显微镜技术的发展革新了细胞动态机制研究的方式。实时拍摄细胞内经过荧光标记的分子或结构,并对其动态行为做分析,已经成为细胞生理和病理研究的常规操作。细胞动态机制的研究产生了大量的时间序列图像数据,定量地分析其中的动态行为并进一步解释其生理机制需要多种序列图像分析的算法。本课题提出了序列显微图像的动态特性定量分析框架。该框架分为叁个层次：整体运动性能评价,基于粒子追踪的细节运动分析,动态事件检测。同时分析了框架中各种方法的适用场景及优缺点,对如何选择合适的分析方法进行了深入的讨论,提出了指导原则。整体运动性能评价包括两种方法,共定位运动分析以及差分运动分析,其中应用高斯差分模板来检测点状色斑特征,同时提出了全自动的线状荧光物体分割算法,首先计算图像的区域对比度,然后用最小交叉熵的方法对区域对比度进行自动分割得到最终结果。该算法不需要参数,且能自动适应不均匀的背景,与传统的线状物体分割算法相比对低对比度的区域分割效果更好,分割结果更加平滑。整体运动评价方法被应用于骨骼肌中GLUT4囊泡运动评价和Aβ25-35作用下PC12细胞线粒体运动分析。对细节运动分析,提出了基于多维匹配的粒子追踪算法,将交互式多模态滤波(IMM),多维匹配,粒子遮挡处理,粒子聚合与分裂检测等等结合到一个统一的算法中。多维匹配的优势在于能够通过参考前后多帧图像更充分地利用时间空间信息。交互式多模态滤波用来保持和预测粒子的状态,其优势在于可以包含多种实际生理条件下粒子的运动模型,同时能够很好地与多维匹配方法协作,随着帧数增加能给正确的粒子关联赋予更高的概率。算法用一个滑动窗口划过图像序列,并建立相应的粒子关联假设,粒子暂时消失假设,聚合分裂假设。然后构建相应的多维匹配问题,最后得到包括断轨重连的轨迹,以及其中的粒子聚合与分裂事件。用模拟图像序列以及真实图像序列对该算法验证表明,相对于其他的检测关联算法,该算法鲁棒性更高,结果更加精确。粒子追踪算法被应用于脂肪细胞中GLUT4囊泡运动追踪和神经突起中自噬溶酶体的运动分析。动态事件的检测中以囊泡融合事件自动检测为例,提出了应用移动平均差分的方法降低图像的无关背景,并同时突出融合的核心特征,即融合开始阶段囊泡亮度的上升,与基于模板匹配的方法比较表明,该方法在保留融合特征的同时去除背景的效果更好,同时适合更多种融合模式,检测结果可用性和完备性都好过基于模板匹配的方法。融合检测算法被应用于分析基础状态和胰岛素刺激状态下骨骼肌中融合事件的数目。综上所述,本研究取得了以下创新性成果：1)差分运动分析中全自动的线状荧光物体分割算法,适用于边界模糊,对比度不均匀的荧光图像,降低了人为因素。2)多模态滤波和多维匹配结合的粒子追踪算法,将粒子关联,聚合与分裂,暂时消失的处理集成到统一的追踪框架中,同时通过将多维匹配问题转化为整数规划,可以高效地得到该NP难问题的解。3)移动平均差分法去除融合序列的背景并自动检测融合发生的位置。本课题提出的动态分析框架为定量研究动态生理机制提供了坚实的基础,适用于大批量序列图像数据分析,在相关生物研究中有广泛的应用。(本文来源于《浙江大学》期刊2011-04-01）
显微图像融合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的:依托于Matlab环境,初步完成常规尿沉渣显微图像中不同有形成分的外边缘信息检测。方法:采用灰度化、邻域滤波和中值滤波等方法对图像进行预处理,分别使用Canny算子和Sobel算子处理样本,对于成像不均匀的细胞边缘信息缺失,使用Canny算子和Sobel算子对边缘进行迭加处理,通过膨胀腐蚀和孔洞填充等操作后可以得到有形成分的连通域信息。结果:融合算法可以用于均匀度不一致的有形成分外边缘检测,对阴影消除及红细胞、白细胞、上皮细胞和管型等分离细胞的定位定型检测基本准确。结论:单一算法对成像效果均匀清晰的图像效果佳,但融合算法对于上皮细胞、管型等均匀度不一的细胞处理结果明显优于Canny和Sobel单一算法的结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
显微图像融合论文参考文献
[1].陈俊英,崔长彩.钎焊磨粒测量系统中的显微图像快速融合[J].华侨大学学报(自然科学版).2019
[2].刘肖肖,孔德友,刘广宇,刘伯强.基于融合算法的尿沉渣显微图像有形成分外边缘检测方法研究[J].中国医学装备.2018
[3].胡蓉,夏平,雷帮军,徐光柱,邹耀斌.融合Otsu与PCNN的细胞显微图像分割[J].信息通信.2018
[4].丁汛,赵跃进,丁玉奎.基于多图像融合的MEMS显微叁维形貌重构[J].光学精密工程.2018
[5].金燕.大深度显微立体视觉图像序列融合及畸变矫正方法研究[D].北京工业大学.2016
[6].吴坚.近膜区域荧光显微图像中亚细胞目标的斑点检测、融合事件识别和叁维形态重建[D].浙江大学.2016
[7].吴东东,卜博,陈晓雷,许百男.融合MRI与CT图像的多模态神经导航技术在颅底显微外科手术中的应用[J].解放军医学院学报.2015
[8].何晓昀.基于GPU的多层显微图像实时融合技术[J].微计算机信息.2012
[9].邢艳丽.FTIR多光谱显微图像融合技术的研究及应用[D].哈尔滨工程大学.2011
[10].冯琳清.序列显微荧光图像的动态特性定量分析及融合检测[D].浙江大学.2011