珍珠形状的计算机视觉识别

采用计算机视觉采集珍珠图像,通过一系列的预处理后,转化到极坐标系下,利用计算前8组F(h)(傅里叶系数)数值作为每种典型形状特征面的特征参数,然后运用模糊模式识别的方法对每一幅图像的珍珠形状进行有效判别.通过对多视角得到的图像特征面的寻找与比较判别,实现珍珠形状的判别分类.实验结果表明,分选最大误判率为33.3%.     

MRIDWI在胃癌诊断中的作用

目的了解MRI DWI在胃癌诊断中的作用。方法经病理证实为胃癌患者18例和正常者11人,全部做常规MRI扫描（包括横切位T1WI、T2WI、FLAIR、Wats和冠状位B-TFE）后,进行DWI扫描,对比正常胃壁和胃癌的ADC值差异。结果正常人胃壁平均ADC值为（2.5473±0.1706）×10^-3mm^2/s,胃癌的平均ADC值为（1.7632±0.2107）×10^-3mm^2/s（P〈0.01）。在DWI图上胃癌病变呈高信号优于常规MRI序列,但观察解剖细节的显示不如常规MRI。结论MRI DWI和ADC值测量对胃癌诊断有重要意义。     

基于HIS颜色模型的珍珠颜色分选方法

为研究和实现珍珠的自动分选,提出了一种对珍珠的色调及饱和度进行分选的方法.将珍珠图像由RGB颜色模型转换到HIS模型中进行处理,根据,(亮度)分量直方图,通过全局分割提取珍珠光亮区,掩模后得到光亮区H(色调信息)、S(饱和度信息)均值.其中针对色调分选要求,运用了基于RPROP算法的人工神经网络学习方法;针对各色系内色彩的深浅差异,运用了K-均值聚类方法对S均值进行分类.从而实现了先按照珍珠表面色彩进行分类,再将同一色系内的珍珠按照饱和度进行再度分选,最终达到颜色分选要求.     

基于HSL模型的珍珠光泽度分选方法

在珍珠光泽度分选中,运用HSL(色调、饱和度、亮度)颜色模型转化技术,将得到的珍珠图像由RGB颜色模型转换到HSL颜色模型中进行处理,并根据提取的亮度信息,运用模糊模式识别方法进行判别归类,实现珍珠光泽度的分选.同时.就提出的判别方法有针对性地给出了修正和说明.进一步完善了判别方法.     

绿色建筑全寿命周期评价体系的探讨和分析

文章对全寿命周期经济评价的不同阶段进行了划分，对绿色建筑效益指标体系、经济体系、评价体系设置内容及指标进行分析，旨在不断完善绿色建筑全寿命评价体系。