基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的:提取牛膝和川牛膝药材的特征,并建立其图像识别方法.方法:采用MATLAB软件编程拼接牛膝和川牛膝药材的横切面显微图像,提取颜色、不变矩、纹理和横切面维管束组织特征;将数据整理成数据矩阵,通过Zscore函数对数据矩阵进行标准化,通过Princomp函数进行主成分分析;采用BP神经网络识别模式.结果:药材样品显微图像拼接处的组织细节保持完整;测得每组药材样品图像的27个特征参数,经主成分分析,选取11个主成分参数建立BP神经网络,两种近缘药材样本(n=50)的BP神经网络平均识别率为100%.结论:该方法可用于中药材显微图像自动拼接,及牛膝和川牛膝药材的图像识别.
推荐文章
道地药材之怀牛膝、川牛膝的本草考证
怀牛膝
川牛膝
道地药材
本草研究
本草考证
川牛膝药材及其成方制剂薄层鉴别方法研究
中国药典
川牛膝
薄层鉴别
川牛膝多糖的提取及含量测定
川牛膝多糖
提取
含量
单因素法考察川牛膝多糖提取工艺
川牛膝
多糖提取单因素
硫酸苯酚法
紫外分光光度法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 牛膝和川牛膝药材的特征提取与图像识别
来源期刊 中国药房 学科 医学
关键词 牛膝 川牛膝 图像拼接 模式识别 MATLAB软件
年,卷(期) 2017,(12) 所属期刊栏目 药物分析与检定
研究方向 页码范围 1670-1673
页数 4页 分类号 R282.5
字数 3284字 语种 中文
DOI 10.6039/j.issn.1001-0408.2017.12.24
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 卢文彪 广州中医药大学中药学院 41 301 10.0 15.0
2 李熙灿 广州中医药大学中药学院 39 534 13.0 22.0
3 梁丽金 广州中医药大学中药学院 3 5 1.0 2.0
4 李睿 广州中医药大学中药学院 3 8 2.0 2.0
5 凌秀华 广州中医药大学中药学院 3 7 2.0 2.0
6 王耐 广州中医药大学中药学院 3 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (56)
共引文献  (184)
参考文献  (9)
节点文献
引证文献  (5)
同被引文献  (32)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(8)
  • 参考文献(2)
  • 二级参考文献(6)
2010(7)
  • 参考文献(2)
  • 二级参考文献(5)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
牛膝
川牛膝
图像拼接
模式识别
MATLAB软件
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国药房
半月刊
1001-0408
50-1055/R
大16开
重庆市渝中区大坪正街129号四环大厦8层
78-33
1990
chi
出版文献量(篇)
22241
总下载数(次)
25
总被引数(次)
173007
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导