摘要：小麦穗部形态参数是直接反应小麦生长状况的重要参数,是育种和考种专家关心的重要参数。为了实现小麦穗部形态特征的无损测量和基于这些特征的快速品种分类,该文提出了基于形态学的穗部性状:芒个数、平均芒长、穗长和穗型的自动提取方法。首先通过小麦图像的形态学运算将麦芒去除得到只有小麦主部的图像,通过寻找主轴方向角和旋转计算外接矩形长度的方法计算穗长,通过对麦芒图像的细化和角点检测方法计算芒长和芒个数,通过宽度系数比例判断穗型,然后利用提取的其中8个特征参数,设计了一个3层的BP神经网络,对4个小麦品种240张图片进行分类识别,识别准确率达到88%。该方法可为小麦快速品种分类提供参考。若能将小麦的其他外部参数同时作为品种识别的输入数据,将会大大提高品种识别的准确性。

摘要：滤波函数在CT图像重建过程中起着非常重要的作用,直接关系到重建图像质量。为了提高CT重建图像质量,本文从加权平均的思想出发,根据FBP重建算法的理论基础,提出一种设计滤波函数的新思路,并分析了五点加权平均滤波函数性能比较。最后针对Shepp-Logan模型数据和实际的海螺投影数据,设计出一种新的滤波函数并与S-L和R-L滤波函数的重建效果进行了比较。从比较结果可以看出,新设计的滤波函数重建的图像效果在整体性能上最好,在局部地方,其密度分辨率有所提高。本文为滤波函数的设计提出了一种新的想法和思路。