基于数学形态学与动态时间扭曲的电压扰动分类

为提高电压扰动信号分类识别的精度,提出了一种基于数学形态学与动态时间扭曲的新算法．该算法首先通过形态滤波器对信号进行滤波处理,然后利用如变换提取滤波输出的特征,再通过动态时间扭曲分类器与参考模板进行匹配,最后获得有效的分类识别结果．用Matlab进行仿真分析的结果表明,该算法能有效识别各类扰动信号,准确率高,即使在强噪声环境下,识别精度也超过84％．     

基于数学形态学的遥感图像道路提取

从遥感影像上提取道路信息是一个重要的研究方向。首先读入遥感图像并对其进行增强处理;然后通过直方图均衡化选择合理的分割阈值,得到二值化图像;最后,基于数学形态学方法进行道路识别提取。利用ENVI+IDL,以高分辨率遥感图像IKONOS为数据源来验证方法的有效性。实验结果表明,该方法能够很好的提取遥感图像中的道路。     

从形态学的角度论汉语中的英语借词对汉语构词法的影响

通过对近下年来汉语中出现的英语借词进行考察，从字，形，义三方面把外来词分为音译，意译，中英混合词三大类，在此基础上继续分为不同的次类，然后，从形态学的角度分析了现代汉语中的外来词对汉语构词法的影响。     

犬心房室隔内细胞形态学特征

目的　通过观察犬心房室隔内细胞形态学特征 ,探讨其可能的功能意义。方法　利用光学显微镜 ,通过HE和Masson染色对犬心房室隔标本的细胞形态、排列方式、直径和染色深浅进行细致观察 ,通过透射电镜观察证实光镜所见细胞特征。结果　①心房扩展部可见到四条过渡细胞束与房室结相连 :Ⅰ径自冠状窦壁沿锥形间隙或室间隔肌与右房肌之间向前至房室结后端 ;Ⅱ径自冠状窦口周围沿右房心内膜下至房室结浅层 ;Ⅲ径经三尖瓣隔侧瓣与冠状窦口之间向前经心内膜下至房室结右后端并至房室结的浅层 ;Ⅳ径自左侧心房肌向右下沿室间隔肌上缘至房室结左后端。低倍镜下纤维排列较疏松 ,纤细 ,直径约 9.5 μm ,染色浅淡。高倍镜下细胞呈长形 ,核长圆形与细胞长轴方向一致 ,细胞质染色淡。电镜下细胞特征符合过渡细胞特点。②冠状窦周围见到大量T细胞和少量P细胞及浦肯野细胞。结论　犬心房室隔内有过渡细胞构成的新传导径路 ;冠状窦可能是一个重要的潜在起搏点     

RLC－310人体肾透明细胞癌细胞株的生物学和形态学特点

对新建的克隆性人肾透明细胞癌细胞株ＲＬＣ－３１０进行了生物学鉴定和形态学观察。发现细胞可重叠生长，群体倍增时间３２ｈ，集落形成率４４％，具有超二倍体核型，染色体众数６４。细胞没有支原体污染，有特异性的ＬＤＨ同功酶谱，细胞接种Ｂａｌｂ／ｃ裸鼠可形成移植瘤。细胞大小均一，核大，细胞表面有丰富的微绒毛，未见到细胞间的桥粒结构。胞质内有变形的粗面内质网、线粒体和较多糖原颗粒，张力原纤维可见。细胞核异形性明显，核仁数目增多，有边集。表明这株细胞保持了肾透明细胞癌的基本特点。     

基于数学形态学和神经网络的车牌识别

汽车牌照的自动识别系统是一种应用于公路交通管理和收费的智能监控系统,文中提出了基于形态学处理定位牌照图象的区域的方法,该方法与其它方法相比对图像没有严格的限制和要求,三层反馈神经网络用来识别和分类,实验证明该方法是有效的。     

家兔房室结后延伸部的形态学特征

房室结 (Ａｔｒｉｏｖｅｎｔｒｉｃｕｌａｒｎｏｄｅ,ＡＶＮ)双径传导作为一种电生理现象早已为人们认识 ,射频消融改良其中的慢径也已成为根治房室结折返性心动过速最安全有效的方法 ,但慢径传导目前仍缺乏明确的形态学基础。本文观察家兔房室结后方组织的形态学特征 ,以期为射频消融慢径提供形态学依据。1　材料和方法选择健康成年家兔 8只 ,雌雄不拘 ,体重 2 .0～ 2 .5ｋｇ ,从耳缘静脉注入空气致其栓塞死亡 ,立即开胸取出心脏 ,用10 %甲醛溶液固定 48～ 72ｈ ,去掉大部分室壁及房壁 ,保留完好的三尖瓣、冠状窦及房室隔等结构。其中 6例…     

优化形态学滤波在高速列车轴承故障诊断中的应用

针对传统形态学滤波方法在提取高速列车轴箱轴承故障特征时过于依赖先验知识,结构元素相关参数(长度L和高度h)未结合信号特征做自适应选取的问题,文章在数学形态学滤波(Mathematical Filter, MF)、布谷鸟算法(Cuckoo Search Algorithm, CS)、实际工程应用方面做了深入研究。通过布谷鸟算法对结构元素的长度和高度进行自适应寻优,然后使用最优结构元素对信号进行处理,提取出信号中的冲击成分和故障特征,对比传统的解调方法可以发现该方法更准确、更快速。     

基于固定颜色搭配搜索和形态学的车牌定位

汽车牌照定位是牌照识别系统中的关键技术之一.为了快速准确地对汽车牌照进行定位,提出了一种基于固定颜色搭配搜索的车牌定位新方法.该方法包括图像自适应预处理、固定颜色搭配搜索、形态学处理和车牌候选区域判断,以及最后的车牌底色识别等5个步骤.与传统的车牌定位方法相比,该方法不仅能够有效减少伪车牌区域的检验和能够判断出车牌的底色,而且可以有效地解决背景环境复杂及车牌底色和车身颜色相一致的车牌定位问题.试验结果表明,该方法具有算法简单、实时性强和定位精确高等优点.     

基于改进Bregman TV与形态学的NSCT声呐图像融合去噪

传统去噪方法在去除声呐图像斑点噪声的同时,难以拥有很好的细节信息。为此,提出一种基于改进Bregman TV与数学形态学的NSCT声呐图像融合去噪技术。引入图像熵、梯度和边缘强度对Bregman TV的正则参数进行改进,在去噪过程中拥有更多的边缘细节信息。利用新的Bregman TV和数学形态学分别对声呐图像去噪,然后使用NSCT分解为高频和低频,高频拥有大量的边缘信息,低频具有图像细节信息。Bregman TV拥有很好的保边性,数学形态学拥有很好的去噪效果,将2种优势结合,因此采用Bregman TV的高频和数学形态学的低频进行NSCT逆变换,实现图像去噪。实验结果表明,该方法相比于使用基于小波变换和全变分的图像去噪、传统的Bregman TV去噪、数学形态学去噪,更能有效地降低斑点噪声,保留更多的图像细节信息。