基于空间矩阵束的超声彩色血流成像算法分析

利用广义特征值和矩阵降秩原理的矩阵束算法近来被用于超声彩色血流成像。基于自适应秩选择方法，该算法能够直接估算血流速度，而不需要壁滤波处理，从而比传统自相关算法更精确。本文利用空间信号进行平均，用以消除由噪声引入的混叠现象。并且在低信噪比的环境下提供更精确的估算。基于合成信号的实验表明，该方法能够有效地抑制噪声．并且消除混叠效应。     

用于生物分类学研究领域的显微成像新技术

UV—C光学共聚焦显微图像系统集成了光学和数字图像分析技术，特别适用于采集非平面样品（高度变化范围超过了显微镜景深范围）的图像，它彻底解决了传统光学显微镜成像时高倍数与大景深不能共存的问题，使样品的不同高低部位都能清晰成像，可以获得像电镜图像一样的巨大景深和精致的细节，更能得到电镜图像所没有的真实色彩。UV—C以清晰直观的样品图片带给读者手绘图所不能达到的视觉效果，是生物分类学家研究和描述物种的好助手。     

医药新技术新产品

核磁共振成像机窥探大脑思维新技术 德国计算神经科学伯恩斯坦中心的科学家宣布,通过核磁共振成像技术,他们已经能够窥探人类思维,这是科学家界首次进行类似研究.     

红外成像林火监测报警车载指挥系统的研究

红外成像林火监测报警指挥车载系统是一个车载充氦气、有左右机翼且携带红外成像仪、激光测距仪和GPS(卫星定位)装置的飞艇型氦气球(简称飞艇)监测系统。在防火期，可开往林火多发地区，采用吊舱形式将红外成像仪、激光测距仪、GPS挂在飞艇的下方，将飞艇升向高空，利用火源与背景之间的温差形成热图象，全天候、多方位、自动搜索林火目标，产生报警，并将报警信号、热图象信号及林火、火源中心点的经纬度，通过有线网或移动通讯网。传送到防火指挥中心，由防火指挥部门组织化学灭火飞机，将林火目标扑灭在萌芽阶段。     

基于亚像元分解与增强的MODIS卫星林火监测图像制作

为提高低空间分辨率遥感影像在卫星林火监测部门的应用质量,获取更准确的火灾信息,制作可视效果更好、便于基层部门使用的卫星林火监测图像。本研究以2013年2月6日云南省大理市黄家村森林火灾为背景,研究了一种基于亚像元分解与增强技术的卫星林火监测图像制作技术。结果表明,通过亚像元分解与增强技术,对空间分辨率低的气象卫星遥感图像进行处理,可得到空间分辨率为30 m的图像产品,能够将低分辨率遥感影像处理成超分辨率的遥感影像图像。该技术可应用于林火监测部门发布相关的监测图像。     

基于高光谱图谱融合技术的英德红茶等级快速无损判别

茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。     

融合多光谱成像与深度学习的作物植株叶绿素检测系统研究

为了满足田间作物长势快速检测与指导变量管理的需求,以玉米为例设计了基于多光谱成像的田间作物植株叶绿素检测系统,包括可见光(RGB)和近红外(Near-infrared, NIR)图像采集模块、主控处理器模块、模型加速模块、显示及电源模块,用于实现玉米植株智能识别与叶绿素指标一体化检测。首先,采集玉米苗期和拔节期冠层图像数据集,比较了植株冠层实例分割与株心目标检测两种深度学习模型,构建了基于MobileDet+SSDLite(Single shot multibox detector lite)轻量化网络的玉米植株定位检测模型,实现玉米植株识别。其次,提取被识别的植株株心RGB-NIR图像,开展RGB和NIR图像匹配与分割,提取R、G、B和NIR灰度值计算植被指数,使用SPXY算法(Sample set portioning based on joint X-Y distances)和连续投影算法(Successive projections algorithm, SPA)分别对数据集进行样本划分及特征变量筛选,选择高斯过程回归(Gaussian process regression, ...     

脂质分析技术及其在植物种子脂质 代谢调控研究中的应用进展

脂质是一类具有独特生理功能活性的化合物,参与调节多种植物应答非生物胁迫过程,对维持植 物组织中生理动态平衡至关重要。脂质组学（Lipidomics）自 2003 年被提出后,已迅速发展成为对脂质整体系 统分析的一门新兴学科,为传统代谢组学注入新的技术支撑,有助于阐明脂类物质在植物中的代谢调控机制。 同时,质谱成像技术因其具有无标记、非特异性、高灵敏度、多物质同时分析等优势,被广泛应用到植物组织 中各类脂质分子的空间分布研究。介绍了脂质组学和质谱成像技术的研究现状,重点综述脂质分析技术在植物 种子脂质代谢调控研究中的最新进展,特别是新兴质谱成像技术在植物种子中脂类物质的成像应用。脂质组学 和质谱成像技术作为目前多组学技术的重要补充,将为植物代谢途径和调控机制的深入探究提供新的契机。亚 微米级高空间分辨率质谱成像技术的不断发展,将进一步推动植物在空间分辨水平的脂质代谢调控网络的深入 解析和前沿应用研究。     

近红外高光谱成像结合特征波长筛选识别小麦赤霉病瘪粒

为实现小麦赤霉病瘪粒快速识别,本研究使用主成分分析(Principal component analysis,PCA)结合最大类间方差法(Otsu)对小麦高光谱图像进行背景分割,以赤霉病瘪粒识别正确率为评价指标,探究判别分析方法与竞争性自适应权重取样法(Competitive adaptive reweighted sampling,CARS)的最佳组合方式.结果显示,基于全谱段构建的偏最小二乘判别分析(Partial least squares discrimination analysis,PLS-DA)和支持向量机判别分析(Sup-port vector machine discriminant analysis,SVM-DA)模型预测精度相同,外部验证集健康籽粒和赤霉病瘪粒识别正确率分别为95.2％和100.0％;基于CARS筛选的8个特征波长构建的CARS-PLS-DA模型外部验证集健康籽粒和赤霉病瘪粒识别正确率均为100.0％,预测精度高于CARS-SVM-DA模型,可有效实现赤霉病瘪粒的快速识别.研究结果将为谷物仓储和加工过程中赤霉病瘪粒高通量快速识别提供理论依据和技术支撑.     

基于机载高光谱端元提取分析棉花生长期光谱变化

【目的】棉花在不同生长期的波谱曲线变化具有规律性,研究其时间序列上的反射光谱变化趋势与规律并监测长势,为基于无人机多光谱、高光谱遥感的作物长势监测提供借鉴和参考。【方法】使用多旋翼无人机搭载Rikola高光谱成像仪,获取棉花从花期到后期之间的高光谱影像。使用纯净像元指数算法和最大单形体体积算法进行端元提取,并以SR-3500光谱仪采集的地面光谱曲线为标准,光谱角度为评价指标,依次从端元提取算法效果、不同航高数据对比、光谱相关性、多期光谱曲线变化趋势等分析。【结果】最大单形体体积算法在60、80、100 m航高下波谱角度结果分别为0.065 8、0.065 9、0.067 7,相较于纯净像元指数算法结果更接近地面光谱仪数据,具有较优的相关性(R²均在0.99以上),且能更好地提取小样本端元。航高对端元提取的影响较小,同种算法在不同航高下提取结果差异均在2%以下。不同生长期棉花波谱曲线变化呈规律性,吸收谷与红边值在7月中旬到达峰值。标准植被指数与比值植被指数在7月上中旬达到最大值(0.841 7、11.630 5),增强型植被指数、差值植被指数、优化土壤调节植被指数在7月中下旬达到最大值(0.818 9、0.501 3、0.501 2)。【结论】最大单形体体积算法可较好的从棉花高光谱影像中提取出棉花波谱曲线,且100 m为较优的无人机数据采集航高。棉花在7月光合作用最大,对红光的强吸收、近红外波段强反射现象最为明显。