生物里灰度值是什么意思

㈠ 生物工程里的OD值代表什么

生物工程中的OD是optical density（光密度）的缩写，表示被检测物吸收掉的光密度，是检测方法里的专有名词，检测单位用OD值表示，OD=lg（1/trans），其中trans为检测物的透光值。
光通过被检测物，前后的能量差异即是被检测物吸收掉的能量，特定波长下，同一种被检测物的浓度与被吸收的能量成定量关系。
《科技编辑大辞典》对光密度的定义是：入射光强度与透射光强度之比值的常用对数值。专业书籍则这样解释“吸光度”：入射光和透射光的透过率之比值的常用对数值，也称光密度。分析可见，两个概念其实是一致的，“光密度”就是“吸光度”，且用“光密度”符合国家标准，更规范。
检测单位用OD值表示， OD是optical density（光密度）的缩写，表示被检测物吸收掉的光密度， OD=lg（1/trans），其中trans为检测物的透光值。

以上内容引用自：
http://ke..com/view/1269457.htm?wtp=tt

㈡ 植被覆盖度信息提取

植被的反射光谱曲线起伏变化明显，具有多峰与多谷的特征。植被在0.38～0.49μm波段是强吸收带，平均反射率一般不超过10%;在0.49～0.60μm波段具有波峰的形态和中等反射率(在8%～28%之间)，其中0.55μm处是叶绿素的绿色强反射区;在0.6～0.70μm段具有波谷的形态，反射率很低;到0.70～0.75μm段，反射率急剧上升，光谱曲线具有陡而接近于直线形态;在0.75～1.3μm段，因植被的吸收率很低而保持高反射率。

植被指数是以植被对红光和近红外光的生理生态效益为基础的。科学试验证明:植物叶绿素需要强烈吸收红光和蓝紫光，用于光合作用，其中以0.66μm波长附近的吸收最为强烈，吸收率可达90%。吸收强度的大小，同叶绿素的多少和叶绿素的活力的高低有关。叶绿素的数量越多，活力越高，吸收强度越大，而在波长0.7～1.1μm的近红外光谱段内，植被叶片形成强反射，吸收率几乎等于零，而透射和反射几乎各占50%。在0.35～1.1μm波段中绿色植物的红光吸收峰和近红外光反射峰及其组合，是其他生物和非生物所没有的，所以它们成为识别植被的专属性标志，而它们的组合，也就成为提取植被信息的特异性指标。

系统用于植被信息提取的数据源有Landsat-ETM、CBERS、SPOT、QUICKBIRD和MODIS，它们的IR和R波段的通道编号和波长范围见表5－2所示。

表5－2 植被指数的数据源表

常用的植被指数有:

(1)环境植被指数(EVI):即近红外波段与可见光红波段的亮度差值，又称差值植被指数，表达式为

EVI对土壤背景有一定的敏感性;当植被盖度为15%～25%时，差值随盖度的增加而迅速增大，当盖度大于80%时，灵敏度明显下降。

(2)双差植被指数(DDVI):即近红外波段与可见光红波段的亮度差值减去可见光红波段与绿波段(TM2)之差，表达为

DDVI的特点是引用了对健康茂盛的植物绿反射敏感的绿色波段，增强了植被的信息，并能在一定程度上补偿大气层的不利影响。由于绿波段对土壤敏感，按“绿峰”反射评价植被生活力，所以有利于植被分类，区分林型和树种。

(3)比值植被指数(RVI):即近红外波段与可见光红波段之比，表达为

RVI对土壤背景比较敏感，在植被盖度大于50%时，对植被盖度的差异敏感度较高，但不能很好区分小于30%的植被盖度差异。

(4)归一化植被指数(NDVI):即近红外波段与可见光红波段之差与这两个波段之和的比值，表达为

NDVI综合利用了四则运算，提高了对土壤背景变化的鉴别能力，消除了地形和群落结构的阴影的影响，削弱了大气层的干扰，因而大大扩展了对植被盖度的监测灵敏度。它是植被生长状况和植被空间分布密度的最佳指示因子，与植物分布密度呈线性相关，有较好的时相和空间适应性，因此又可称之为生物量指数或标准化植被指数。

大量研究上述各类植被指数的处理结果并进行了比较，发现各类方法提取效果无较大差异。但在干旱地区采用NDVI方法是最成熟和常用的方法，因为它综合了EVI、DVI和DDVI的算法，对植被检测灵敏度较高，对植被盖度的检测范围较宽，能消除阴影和辐射干扰。

植被覆盖度信息自动提取模块以上述原理为基础，将图像定标、NDVI植被指数计算，密度分割等功能有机地集成封装到一起(图5－6)。用户只需要通过简单的几步操作就完成从原始影像数据到植被覆盖度分类结果的转变。植被覆盖度信息提取的核心是密度分割的阈值划分问题，根据多次试验和野外调查分析，在系统内部设定了适合工作区植被盖度级别划分的阈值，随着工作程度的深入和资料积累，将不断完善阈值设定。

图5－6 植被覆盖度信息提取流程图

目前植被覆盖度信息提取流程主要如下:

(1)反射率反演:反射率反演为定量遥感的基础。在不考虑大气多次散射和交叉辐射的情况下，有:

式中: DNi为图像的灰度值; ρ 为地物的反射外大气层反射; GAINSi为辐射定标的增益系数，包括了大气透过率、传感器的波长响应等乘性因素的影响; BLASESi为辐射定标的偏移值，包括了大气层辐射、传感器暗电流等加性因素的影响。对于不同的波段以及同一波段不同的航带，辐射定标的增益值和偏移值是不同的。而通过辐射定标的增益值和偏移值即可以进行反射率 ρ 的反演。

( 2) 植被指数变换: 将经过反射率反演的图像进行NDVI ( 植被指数) 变换，得到植被指数图像。各类样本在 NDVI 图像上呈离散度矩阵，植被与非植被类型在NDVI 图像上差异很大，利用 NDVI 图像可将植被与非植被区分开来。

( 3) 密度分割: 由于植被指数是植被覆盖度的重要指标，并且对于遥感数据而言，每个像元内的反射率是林冠的反射率，而不是树冠和叶面的反射率，并且能很好地区分植被和非植被，所以植被指数数据较适用于植被覆盖度。对干流区 1∶ 10 万植被指数图像NDVI 值和重点区 1∶ 1 万植被指数图像 NDVI 值均按照植被盖度低盖度、中盖度和高盖度三个级别进行密度分割，并将分类结果与植被盖度历史专题数据以及沿干流布设的生态监测站的植被盖度数据进行反演，如精度较差，修改其密度分割参数重新分割，以达到较好的结果。

将经过密度分割的植被指数图像进行非监督分类，得到分类结果图像，并将栅格图像数据转换为带有分类属性的专题图形数据，与高分辨率的融合图像套合进行人机交互解译，修正提取不准确的地物边界，最终输出达到精度要求的专题矢量图形文件。

㈢ 用biolog ECO板做活性污泥微生物多样性，怎么确定接种液的稀释倍数呢请高人请教！谢谢！

一般文献会用10-3至10-4，具体还得看你的污泥中微生物含量和活性，以结果好说明为准，吸光度BIOLOG仪器灰度两个值，一个590，一个好像750 （对本底杂质的吸收峰），我计算的时候会用BIOLOG自动计算的（590-750）的吸光值，这样最接近准确。国内文献一般不这么严格。。
文献的话你可以把你邮箱给我，我给你发~

㈣ 生物里的c值、k值、n值都是什么如何反常

基因组大小也称为C值,是指生物体的单倍体基因组所含DNA总量。

㈤ 数字图像处理的主要方法

数字图像处理的工具可分为三大类：

第一类包括各种正交变换和图像滤波等方法，其共同点是将图像变换到其它域（如频域）中进行处理（如滤波）后，再变换到原来的空间（域）中。

第二类方法是直接在空间域中处理图像，它包括各种统计方法、微分方法及其它数学方法。

第三类是数学形态学运算，它不同于常用的频域和空域的方法，是建立在积分几何和随机集合论的基础上的运算。

由于被处理图像的数据量非常大且许多运算在本质上是并行的，所以图像并行处理结构和图像并行处理算法也是图像处理中的主要研究方向。

(5)生物里灰度值是什么意思扩展阅读

1、数字图像处理包括内容：

图像数字化；图像变换；图像增强；图像恢复；图像压缩编码；图像分割；图像分析与描述；图像的识别分类。

2、数字图像处理系统包括部分：

输入（采集）；存储；输出（显示）；通信；图像处理与分析。

3、应用

图像是人类获取和交换信息的主要来源，因 此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。

主要应用于航天和航空、生物医学工程、通信 工程、工业和工程、军事公安、文化艺术、机器人视觉、视频和多媒体系统、科学可视化、电子商务等方面。

㈥ 人脸图像特征提取原理是什么

人脸图像特征提取：人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数 特征等。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大 类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分 量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特 征，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。说到人脸识别，大部分的人第一反应是“刷脸”，我们来看下人脸识别的定义：人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。通过变换增强图像阴影或降低光区域的灰度值范围，从而把人脸图像的整体亮度变换到一个预先定义的标准人脸图像。

㈦ 你知道生物统计学里的Vst（st是下标）是什么意思吗，具体意义是什么，相关公式呢 还有MAF的意义和计算方

standard variation 标准差，公式这里打不来，但是随便哪本统计学的书都会讲怎么计算标准差。

MAF不是一个统计学缩写吧？？Minor Allele Frequency？

本人不是生统专业的，知道的不多。

㈧ 生物里的高表达,底表达是什么意思

就是指表达量啊。通俗点呢，高表达就是转录或翻译出数量很多的最终产物，而低表达是指产物的数量很少。

基因表达是基因经过转录、翻译、产生有生物活性的蛋白质的整个过程。

㈨ 计算机专业的图像处理与模式识别主要讲什么内容啊能用简洁明了的内容给个概括吗

图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。 常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。
模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。