多聚焦图像融合是计算机视觉领域中的一个重要分支，旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合，最终获得全清晰图像。随着以深度学习为代表的机器学习理论的突破，卷积神经网络被广泛应用于多聚焦图像融合领域，但大多数方法仅关注网络结构的改进，而使用简单的两两串行融合方式，降低了多图融合的效率，并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量。针对上述问题，在显微成像分析的应用场景下，提出了一种最大特征图空间频率融合策略，通过在基于无监督学习的卷积神经网络中增加后处理模块，规避了两两串行融合中冗余的特征提取过程，实验证明该策略显著提高了多张图像的多聚焦图像融合效率。并且提出了一种矫正策略，在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响

《高等数学 A》 《C 语言程序设计》 《C 语言程序设计》实验 《线性代数》 《概率论与数理统计 B》 《模拟电子技术基础 B》 《数字电子技术基础》 《模拟电子技术基础实验》 《数字电子技术基础实验》 《力学》 《热学》 《电磁学》 《光学》 《普通物理实验》 《原子物理学》 《计算机软件应用技术》 《计算机软件应用技术》实验 《图像处理实用技术》 《图像处理实用技术》实验 《数据库系统原理》 《网站设计与网页制作》 《网站设计与网页制作》实验 《操作系统》 《LINUX 操作系统》 《Linux 操作系统》实验 《网络程序设计》 《网络程序设计》实验 《计算机网络 B》 《计算机网络 B》实验 《流媒体技术》 《流媒体技术》实验 《多媒体软件应用技术》 《多媒体软件应用技术》实验 《NET 程序设计》 《NET 程序设计》实验 《局域网组建与管理》 《局域网组建与管理》实验 《数据结构》 《网络安全》 《VB 程序设计基础》 《VB 程序设计基础》实验 《Flash 技术基础》 《Flash 技术基础》实验 《VC++程序设计》 《VC++程序设计》实验 《视频编辑与制作》 《视频编辑与制作》实验 《电动力学 1》 《热力学与统计物理 1》 《计算机组成原理》 《日语基础》 《量子力学 1》 《三维动画制作》 《三维动画制作》实验 《Java 程序设计》 《Java 程序设计》实验 《科技论文写作》 《认识实习》 《生产实习》 《软件设计与开发实践》

数学形态学历史（Mathematical Morphology） 一、什么是形态学处理 二、基本处理定义 三、形态学变换 四、形态学变换的应用 五、灰度图像形态学 六、要点总结 上机实习

5.1 阈值分割 5.2 边缘检测 5.3 区域分割 5.4 Hough变换 5.5 近邻法分割 5.6 基于动态聚类的分割 5.7 基于神经网络的分割 5.8 其它分割方法

1.1 光度学 1.2 成像物理学 2.1 人类颜色感知 2.2 图像颜色模型 3.1 光学转换部分 3.2 光电转换部分 3.3 图像处理部分 3.4 数字相机模型 3.5 研究热点问题

一、信息表示与编码 二、常用的数据压缩技术 三、静态图像压缩标准JPEG 四、运动图像压缩编码标准MPEG 五、视听通信编码解码标准H.26X 六、声音压缩技术

一、二维曲线绘图 二、三维曲线绘图 三、动画设计 四、高维可视化 五、图像 六、图像窗功能简介 七、函数绘图的简洁指令

一、下拉式菜单 二、弹出式菜单快捷菜单 三、代码设计 四、工具栏制作 五、加入部件(工具栏,图像列表等)十 六、组成:图像加入到工具栏 七、代码设计

通过本章学习，应该掌握以下内容： 1. Photoshop基本操作 2. 利用Photoshop 6.0处理网页图像利用 Dreamweaver编辑各种超连接的方法 3. Fireworks 4.0基本操作 4. 利用Fireworks 4.0美化网页图像 5. Flash5基本操作 6. 利用Flash5处理网页动画

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础