计算机图象识别技术测量血小板及其聚集体面积

用计算机图象识别技术测定血小板及其聚集体面积的速度及精度优于目前采用的其它方法。首先从显徽图象中将血小板从背景中分割出来,若是聚集体,则将其分裂,以估算其中的血小板数;最后采用聚合算法得到血小板的分布情况,列表显示结果。本文给出了100例健康人富含血小板血浆中悬浮血小板的大小。平均血小板面积在70例男性和30例女性中分别为3.64±0.87μm^2和3.54±0.66μm^2.血小板轴率为0.84±0.05。

直线及圆弧矢量化的统计算法

一种给出在工程图纸矢量化系统中使用统计几何特征和模拟人的视觉机制的矢量化算法。这种算法保证处理的高速度，灵活性和准确性。

健康人血小板大小—计算机图像分析

正常人血小板大小受着骨髓造血系统及脾脏功能的调节,在某些遗传性血小板疾病及血栓性疾病的不同时期或原发性血小板减少性紫癜中均发现血小板大小有变化。目前常用的电子测量仪或血液涂片存在着不能分辨血小板微聚集体或费时、精确度欠佳等不足。

用计算机图象处理方法测定微循环面积

本文提出用序列图象处理技术从微循环序列图象中获得纹理图象。基于统计分析模型,微血管图象分割按以下三步进行:1.从图象共生矩阵中抽取纹理特征;2.用聚合分析方法分割图象;3.利用先验知识提高分割精度。 优点是能一次测量视野内全部微血管,所需的设备只是通用微机及一个快速图象接口板,而不象其它方法必需用专门测量仪器。

近邻分类法的改进及其在刀具分类中的应用

本文研究三种在近邻分类法基础上的改进算法:(1)编辑技术,(2)边界抽取,(3)边界补缀。编辑技术使识别率已接近Bayes 标准。再经边界抽取仅保存对分类直接起作用的设计样本集,从而提高了分类速度,但识别率有所下降。边界补缀法是本文作者之一最近提出的一种新算法。此算法在重新审查部分设计样本的过程中,“拣”回在边界抽取时失掉的个别位于两类交界处的样本,进一步完善了分类器。补缀后的边界样本集使分类速度保持在(2)的水平,而识别率又上升到使用编辑技术(1)后的情况。将以上算法依次应用到刀具分类的两类问题,给出可喜的结果。经过(1)、(2)、(3)算法处理过的设计样本集,其识别率接近大样本集时1-NNR 的结果,同时分类速度也提高了约6倍。

CAD及CAM集成系统中目标模型的自动生成

本文介绍一种基于CAD的目标模型表示方法。在指定规则下,采用Auto CAD绘图,从DXF文件中抽取构成模型的各种特征,形成描述工件的特征关系图,并将其应用于机器人加工规划及视觉引导和监控。