中药材粉末显微图像模式识别方法

提出了一种适合中药材粉末状态下显微图像的模式识别方法。使用3种分析方法进行特征提取,即分形分析方法、小波分析方法、灰度/梯度共生矩阵法,经特征选择后,对图像分类贡献较大的8个特征量被组合成特征向量,用于图像识别。实验中采用了k-近邻分类方法,其较高的识别率表明,此方法是可行的和有效的,为今后进一步进行中药材识别提供了理论参考。

基于灰狼优化算法的PCNN中药材显微图像分割

为有效分割中药材显微图像的目标信息,提出了一种基于灰狼优化算法(Gray wolf optimization,GWO)的改进型脉冲耦合神经网络(Pulse coupled neural networks,PCNN)中药材显微图像自动分割方法。首先,从适应处理显微图像的角度出发对传统PCNN模型进行简化与改进;其次,在训练图像中提取香农熵值作为GWO的适应度函数来自适应调节PCNN关键参数——链接系数β,进而实现图像目标的最优分割;最后,将所提算法与聚类分割法、OTSU法、传统PCNN法进行了实验比较,并用骰子系数、体积重叠误差、相对体积、精确度和交并比等常用医学图像分割评判标准对4种处理方法做了客观评价。实验结果表明,所提方法能够实现图像的自适应分割,较好地保持了图像细节、纹理及边缘等信息,对不同显微图像分割准确度高,改善了图像的分割性能,具有较强的适用性。

基于改进动态ReLU和注意力机制模型的中药材粉末显微图像识别研究

中药材粉末显微特征图像数据量少、样本类别分布不均衡、类间差异小,传统的图像识别方法分类效果不佳。针对以上问题提出一种基于动态ReLU和注意力机制模型的深度卷积神经网络改进方法。首先,采用对小样本数据分类效果明显的Xception作为基础网络;其次,将网络中的静态ReLU激活函数替换为改进的动态ReLU函数,让每个样本具有自己独特的ReLU参数;最后,在网络中嵌入改进的SE模块,使网络能够更好地自动学习到每个特征通道的重要程度。以上方法可以使网络更加注重于图像中的细节信息,能很好地解决样本类别分布不均衡、类间差异小的问题。实验结果表明,对56种中药材粉末导管图像进行分类识别,其准确率提升了约1.5%,达到93.8%,证明了所提研究方法相比于其他图像分类方法具有一定的优越性。

基于SqueezeNet深度网络的中药材粉末显微特征图像识别研究

中药材粉末显微特征图像具有复杂的纹理特点,传统算法难以构建高识别率的分类器。针对此提出一种基于SqueezeNet卷积网络的改进型双通道算法。首先,分离背景并提取感兴趣区,同时自动截取感兴趣中心区域1/4面积作为细粒度特征图像;其次,对感兴趣区和细粒度特征图像进行尺度归一化,去均值,调整方差以及多角度旋转等预处理;之后,将处理后的感兴趣区和细粒度特征图像分别作为两个独立SqueezeNet深度网络的输入源,并对两个网络进行独立训练;最后,将得到的两个模型作为两个通道连接,识别结果利用概率加权算法进行融合。应用提出的改进型双通道算法对15种中药材粉末显微导管特征图像进行识别,正确识别率达到90. 33%。该方法具有较高的正确识别率和理想的识别效果。

基于纹理的中药材贝母显微图像的识别

提出了一种适合于中药材贝母粉末显微图像的纹理分析方法,即综合运用分形维数、二级小波变换和灰度—梯度共生矩阵3种方法分析纹理图像,共提取了8个特征量用于模式识别实验,得到了较好的识别效果,表明模式识别技术是可行的。

中药材粉末显微特征图像的检测方法研究

针对中药材粉末显微特征图像存在的目标断裂残缺这一关键问题,提出一种改进型SSD检测算法,即在SSD网络的预测卷积特征图之后加入SE模块,使SSD网络对该特征图的多个特征通道进行重要性的学习,并据此让包含较多信息且对最终结果起重要作用的特征通道分配到较大的权重。这样,断裂残缺的目标所保留的关键信息在网络迭代过程中能够被网络充分地学习,实现网络对目标的自动定位和种类识别,提高最终的检测效果。将改进型SSD算法用于厚壁细胞、导管和花粉孢子这三类显微图像的检测,mAP由79.8%提升到81.5%,这一结果证明了改进型SSD算法的有效性。

基于改进3D-PCNN的中药材彩色显微图像分割

为有效提取中药材彩色显微图像的目标信息,提出了一种基于改进三维脉冲耦合神经网络的图像自动分割方法.首先,从适合处理中药材彩色显微图像的角度出发,对传统模型进行简化与改进;其次,采用RGB颜色空间,利用最大信息熵选择性排列图像,并将结果作为改进模型的输入,进而完成图像分割;最后,用最大综合判定准则选取最佳分割结果,并与最大香农熵、最小交叉熵、色差对比度进行比较.实验结果表明,本文方法可以精确自动地分割中药材彩色显微图像,克服了最大香农熵、最小交叉熵、色差对比度的缺点,分割效率明显优于传统方法.

浅谈中药材粉末专属性显微特征在生药鉴定中的作用

中等职业卫生学校药剂专业开设天然药物化学基础课程，其目的就是要求学生掌握对常见中药材真伪优劣鉴定的基本知识和基本操作技能。学生在学习生药鉴定这一章内容时，由于授课时数较少，对常见中药材真伪优劣的鉴别以及对未知中成药的鉴定等会感到比较棘手和困难。所以教师在讲授这门学科时，除了要求学生熟记各种中药材的性状、特征外，对那些单凭性状不易识别的药材或性状相似不易识别的药材，或外形特征不明显的破碎药材等，还要求学生学会对其进行显微鉴定和理化鉴定，找出其组织横切面的特征及粉末的显微特征。而每种中药材粉末的显微特征内容多、范围广，学生难以有效记住，所以还特别要求学生掌握药材粉末专属性显微特征。这样．学生比较容易准确地鉴定该中药材是正品还是伪品。因此，中药材粉末显微特征的专属性和稳定性对生药及其制剂的鉴定有着特殊作用。

模式识别在中药质量评价中的应用进展

目的 :对模式识别在中药质量评价中研究进展进行综述。方法 :总结有关化学模式识别、显微图像模式识别及人工神经网络在中药质量评价中应用的研究文献 ,综述不同方法在该领域中的应用。结果 :到目前为止 ,红外、紫外、裂解 高分辨气相色谱、GC Mass总叠加质谱等被应用于中药的化学总特征的表现 ;基于体视学和计算机图像测试技术的图像定量分析 ,以及图形生成理论和计算机图形学的三维重建和显示技术被应用于中药组织的体视学参数的确定 ;误差反传等类型人工神经网络在中药质量评价中也有重要的应用。结论 :化学模式识别、显微图像模式识别、人工神经网络在中药质量评价中起到了重要的作用 ,具有广阔的发展前景。

多类特征显微图像的识别

针对粉末状态下的中药材显微图像明显具有纹理的特性,提出了一种基于多类型特征组合的中药材显微图像的识别方法.分别使用了三种分析方法,即分形分析方法、小波分析方法、灰度/梯度共生矩阵法,在各种方法中提取对图像分类贡献较大的特征量,并组合成特征向量,作为识别的依据.实验中采用了k-近邻分类方法,实验结果表明了该方法的可行性和有效性,为中药材的定量识别提供了理论依据.

基于支持向量机的皮肤显微图像识别

该文针对皮肤显微图像症状识别过程中样本采集困难、数量偏少的实际情况,在皮肤症状识别中引入了一种新的模式识别方法———支持向量机(SupportVectorMachines,SVM).该方法基于统计学习理论的原理,较好地解决了小样本的分类问题.文中采用"一对一"的策略解决多类别的SVM分类问题,使用留一法进行交叉验证,并比较了SVM与人工神经网络算法的识别结果.结果表明,SVM算法识别率高(89.35%),且速度快.根据该算法,建立了皮肤症状显微图像识别系统软件的原型.

基于BP神经网络的常见中兽药中5种违禁药物显微图像识别

目的以人工神经网络和模式识别技术为基础,对动物饲料中常添加的违禁西药进行了自动识别与分类。方法对违禁药物的显微图像进行预处理、图像分割,并提取纹理特征。根据提取的特征应用BP人工神经网络完成对5种违禁药品(呋喃妥因、呋喃唑酮、呋喃它酮、氯霉素、扑热息痛)的识别分类。结果该算法不仅能快速识别出上述5种违禁药品,且准确度比较高。结论该方法对于以上5种违禁药品能得到满意的识别结果。

细胞显微图像的处理与识别系统研究

介绍了模板匹配和特征识别两种识别方案,采用数字图像处理技术和模式识别技术,实现了细胞显微图像中的细胞自动识别与分类。实验结果表明,特征识别具有直接性、运算量小等特点,为细胞显微图像的模式识别提供了可靠有效的方法。

细菌显微图像自动识别技术

对细菌进行快速、准确的识别在医学检验等诸多领域均有重要的运用价值。本文以大肠埃希氏菌显微图像作为研究对象,先分析了该菌的8个形状特征并以这些特征的统计数值建立了一个形态模型库,然后用模糊理论设计了一个分类器并对该分类器进行优化。实验结果表明,使用本文提出的方法能很大的提高病菌图像识别的准确率,而且有很高的统计效率。

一种中药材粉末的永久玻片的制备方法

在一般生药学教学中,显微观察是一种用以鉴定生药真伪和纯度的一种重要方法,通常是制作临时显微玻片进行观察鉴定,但是临时玻片存在长时间观察液体干燥而影响观察效果的问题。因此,该文通过探索,寻找可以长时间观察并不影响观察效果的新的制备方法,并且与临时玻片进行比较。

水稻花粉颗粒显微图像采集与分析系统研究

文章描述了水稻花粉颗粒显微图像采集与分析系统的原理及结构。充分利用细胞显微图像彩色信息进行阈值分割 ,根据细胞形态特征 ,提出一种形态识别统计算法。实验结果证明此方法快速、有效 ,并已初步应用于农业生物学研究。

基于现代处理技术的中药材检测与鉴定

人类对自然科学的研究及信息技术的创新为现代中药材检测与鉴定提供可能。在对基于理化技术及显微技术的中药材现代检测与鉴定介绍的基础上,重点分析与综述基于信息处理技术,特别是图像处理技术的中药材检测与鉴定方法。

断口显微图像信息的描述方法与系统实现

本文提出了断口显微图像信息的层次关系描述法，描述了运用这种信息关系建立的断口图像信息处理系统的基本原理及系统所采用的主要算法，包括断口显微图像视觉模式识别，分类，典型特征图像的预先处理等一系列算法。

基于灰度匹配模板的中药材显微图像识别

目的:利用药材横切面显微图像的灰度信息,构建灰度匹配模板,实现与尺度及方位无关的中药材样品图像的自动识别。方法:选取19种常见根茎类药材,以聚乙二醇包埋法制片,采用显微数码成像技术摄取图像并运用图像配准、去噪声、边界定位等方法编程得到药材横切面显微灰度图;选择图像中药材组织结构的中心点以建立极坐标系,从径向及角向划分网格,统计各网格中的灰度信息,得到能表征药材显微鉴别特征的灰度信息数字矩阵;采用适量样品图像训练模板使之泛化,并计算阳性验证样与阴性验证样与模板矩阵的协方差系数,设定最佳的识别分类参数;每种药材制备80张扇形图像,其中70%为训练样本,15%为验证样本,15%为测试样本,用测试样本分别对单个模板及模板集进行测试。结果:在包含非模板集药材的240个样品图像测试中,单个模板测试的正确识别率为90. 1%,模板集测试的正确识别率为92. 5%。结论:该方法能较好地表征药材显微鉴别特征,抗干扰能力较强,主观误差小,样品图像的获取较简便,可为中药材形态学质量控制的数字化提供技术支持。