隨著桑黃在醫(yī)學領(lǐng)域愈加廣泛的應(yīng)用,對桑黃年份的鑒別變得尤為重要。因此,本文通過掃描電子顯微鏡（SEM）對人工栽培1-3年生桑黃子實體的顯微結(jié)構(gòu)進行觀察和測量,在微納尺度觀察到桑黃菌絲、孢子的微觀結(jié)構(gòu),觀測到不同年份桑黃菌絲和孢子的形貌特征,通過測量總結(jié)出不同生長年份桑黃菌絲及孢子的變化規(guī)律�；谇捌讷@取的桑黃菌肉及菌管的微觀結(jié)構(gòu)圖像,訓練一個分類器,對圖像按年份進行分類。在訓練分類器之前,先針對毛刺及亮紋、暗紋等圖像問題進行預(yù)處理,然后應(yīng)用基于灰度共生矩陣的紋理特征提取方法和基于SIFT特征與詞袋模型（BOW）的特征提取方法對圖像進行特征提取,應(yīng)用支持向量機作為分類器進行訓練,將用兩種方法提取到的特征和基于前面兩種特征進行組合形成的新特征訓練SVM分類器,得到三個分類器,最后對三種分類器進行加權(quán)投票得到最終結(jié)果。經(jīng)過測試,直接使用SVM分類器對組合特征進行分類的正確率為77.778%,使用基于集成學習的分類器的正確率為88.889%。通過實驗結(jié)果可以看到,使用結(jié)合集成學習的分類器具有更好的分類效果,最終的分類精度為88.889%。向食管癌細胞中加入各年份桑黃的子實體提取液,分別應(yīng)用掃描... 

【文章來源】：長春理工大學吉林省

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

圖像處理部分研究內(nèi)容框圖

第2章桑黃微觀結(jié)構(gòu)的納米成像7圖2.1SEM結(jié)構(gòu)原理圖電子打到待測樣品上以后，會與待測樣品產(chǎn)生相互作用。在此過程中，會有多種信號產(chǎn)生，其中包括二次電子、背散射電子、俄歇電子、透射電子等多種電子信號，特征射線及連續(xù)譜射線等信號，還有樣品電流、電子束感生電流等一些電信號[32]。根據(jù)所收集到的這些信號即可獲取樣品的多種參數(shù)信息及物理特性、化學特性等，進而可以對樣品的形貌特征、組成及晶體結(jié)構(gòu)等進行分析。常用信號的具體情況如圖2.2[33]所示。從入射電子的行蹤角度分析可知，電子會在待測樣品表面五至十納米的區(qū)域內(nèi)激發(fā)出更多電子射出樣品表面，該部分電子即為二次電子，它的能量很低，通常不會超過50eV，在掃描電鏡成像中起到重要作用；還有一部分入射電子在接觸樣品后，能量幾乎沒有損耗，就被反射出來，該部分電子被稱為背散射電子，也可以用作掃描電鏡的一種成像模式；俄歇效應(yīng)會產(chǎn)生俄歇電子；當待測樣品厚度較薄時，一部分電子會直接穿透樣品，該部分電子被稱為透射電子；有些電子的能量在樣品內(nèi)部就已經(jīng)全部被消耗，無法透過樣品表面，該部分電子被稱為吸收電子。圖2.2電子與固體相互作用產(chǎn)生的各種信號示意圖

第2章桑黃微觀結(jié)構(gòu)的納米成像7圖2.1SEM結(jié)構(gòu)原理圖電子打到待測樣品上以后，會與待測樣品產(chǎn)生相互作用。在此過程中，會有多種信號產(chǎn)生，其中包括二次電子、背散射電子、俄歇電子、透射電子等多種電子信號，特征射線及連續(xù)譜射線等信號，還有樣品電流、電子束感生電流等一些電信號[32]。根據(jù)所收集到的這些信號即可獲取樣品的多種參數(shù)信息及物理特性、化學特性等，進而可以對樣品的形貌特征、組成及晶體結(jié)構(gòu)等進行分析。常用信號的具體情況如圖2.2[33]所示。從入射電子的行蹤角度分析可知，電子會在待測樣品表面五至十納米的區(qū)域內(nèi)激發(fā)出更多電子射出樣品表面，該部分電子即為二次電子，它的能量很低，通常不會超過50eV，在掃描電鏡成像中起到重要作用；還有一部分入射電子在接觸樣品后，能量幾乎沒有損耗，就被反射出來，該部分電子被稱為背散射電子，也可以用作掃描電鏡的一種成像模式；俄歇效應(yīng)會產(chǎn)生俄歇電子；當待測樣品厚度較薄時，一部分電子會直接穿透樣品，該部分電子被稱為透射電子；有些電子的能量在樣品內(nèi)部就已經(jīng)全部被消耗，無法透過樣品表面，該部分電子被稱為吸收電子。圖2.2電子與固體相互作用產(chǎn)生的各種信號示意圖

【參考文獻】：
期刊論文
[1]海洋單細胞藻類的培養(yǎng)與觀察方法的優(yōu)化研究——以硅藻三角褐指藻為例[J]. 張媛,余蕾,雷楠,趙馨.  現(xiàn)代鹽化工. 2020(01)
[2]黃槿木材結(jié)構(gòu)特征的分析[J]. 陳家寶,盛佳樂,齊文玉,關(guān)鑫,林金國.  西北林學院學報. 2020(01)
[3]基于不同培養(yǎng)基底的肝癌細胞成像及力學特性分析[J]. 謝瑩,王佳佳,王瑩,曲英敏.  長春理工大學學報(自然科學版). 2019(06)
[4]再生骨料級配對混凝土力學性能的影響及微觀機理分析[J]. 李瓊,馮瓊,曹輝.  江蘇大學學報(自然科學版). 2019(05)
[5]基于圖像形狀特征和紋理的中藥材牡丹皮規(guī)格分類研究[J]. 孫慧婷,方曉,徐輝.  黑龍江工程學院學報. 2019(04)
[6]基于典型相關(guān)分析全局和局部特征融合的植物識別方法[J]. 張善文,邵彧,李萍.  江蘇農(nóng)業(yè)科學. 2019(14)
[7]藥用真菌桑黃的研究進展[J]. 曹紅妹,胡桂萍,石旭平,杜賢明,王軍文,鄧真華,黎小萍,鄭蜀云,王禮獻.  蠶業(yè)科學. 2019(02)
[8]穩(wěn)態(tài)強磁場實驗裝置及其科學研究[J]. 匡光力,邵淑芳.  現(xiàn)代物理知識. 2018(06)
[9]集成學習方法:研究綜述[J]. 徐繼偉,楊云.  云南大學學報(自然科學版). 2018(06)
[10]基于整體外觀特征的植物種類識別研究[J]. 陳淑君,周永霞,方勇軍.  計算機應(yīng)用與軟件. 2017(09)

博士論文
[1]玉米種子的圖像精選定向定位方法及裝置研究[D]. 王僑.中國農(nóng)業(yè)大學 2017
[2]探針掃描式液相原子力顯微鏡技術(shù)及系統(tǒng)研制[D]. 伏霞.浙江大學 2011

碩士論文
[1]基于詞袋模型的圖像分類方法研究[D]. 王娜娜.蘭州理工大學 2018
[2]基于演化算法及改進詞袋模型的病蟲害分類識別技術(shù)研究[D]. 溫志超.華南農(nóng)業(yè)大學 2016
[3]基于葉片圖像多特征提取的觀葉植物種類識別[D]. 王麗君.北京林業(yè)大學 2014



本文編號：3612920