做光谱相关性分析时，做相关系数图，怎么确定0.05水平与0.01水平所对应的相关系数值

Question

做光谱相关性分析时，做相关系数图，如图所示，怎么确定0.05水平与0.01水平所对应的相关系数值

Answer 1

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/192927
• 这篇博客也不错, 你可以看下抗几何攻击数字水印分类总结
• 除此之外, 这篇博客: 视杯和视盘分割及分类方法对青光眼诊断的探讨中的 4.1.1 水平集方法 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• Osher和Sethian在1988年提出了水平集分割方法，用于跟踪移动物体的界面。通过演化轮廓隐含地处理曲线和曲面的问题。使用零对应于原始曲线的函数的概念[15]。

  在二维中，水平集表示具有辅助函数Ψ\PsiΨ的闭合曲线Γ\GammaΓ，其被称为水平集。Γ\GammaΓ被认为是给定的Ψ\PsiΨ的零水平
  使用水平集方法隐式地操纵Γ\GammaΓ，使用函数Ψ\PsiΨ，假设内部为正值，使用Γ\GammaΓ定界的曲线区域外的负值。 类似地，对于以速度ν\nuν移动的曲线，水平集函数M满足等式
  
  刘等人提出基于水平集的视盘和视杯分割方法诊断青光眼。最初使用裁剪以最高对比度提取感兴趣区域，并且应用变分水平集方法来分割视盘而无需重新初始化。为了使轮廓平滑，引入了将水平集保持在符号距离函数附近，然后进行椭圆拟合的能量函数。类似地，由于参与视网膜图像的血管，基于颜色强度的阈值方法被用于视杯分割，然后进行椭圆拟合以使边界平滑。然而，基于水平集的方法的阈值化被用于输入RGB图像的绿色通道中的视杯的分割，随后是用于边界平滑的椭圆拟合。相比之下，分析表明，与基于颜色强度的阈值方法的变分水平集方法相比，基于阈值的视杯分割的变分水平集方法改善了性能。但是，在CDR值越来越大的情况下，所提出的方法降低了性能[16]。

  同样，Wong等人 通过以中心和半径为基准的最高强度直方图像素提取感兴趣区域来定位视盘。 通过将感兴趣区域视为初始轮廓，使用变分水平集方法进行分割。 由于检测到血管的存在，视盘边界不准确，因此使用椭圆拟合来校正边界。 通过直方图分析，利用基于阈值的水平集方法，从归一化的交换强度，然后椭圆拟合进行平滑，将RGB图像的绿色通道用于视杯的分割。 在比较结果时，分析了所提出的方法优于现有方法的正常和异常情况[17]。

  此后，张等人使用基于多模态的融合方法检测用于青光眼诊断的视杯。通过应用掩模来去除不均匀照明来检测感兴趣区域，并且使用任何现有方法进行分割。对于视杯的分割，基于强度的方法用于分析组合通道中的颜色直方图和视杯的阈值。然后应用变分水平集方法来检测杯边界，使用基于最佳颜色通道的直方图分析和使用直接最小二乘拟合算法的椭圆拟合来平滑杯边界。最后，使用基于凸包的椭圆优化来进一步平滑杯边界。在绩效分析中，基于水平集的方法优于基于强度的方法。提出的方法改进了CDR评估，从而更好地诊断了青光眼，但缺乏对大规模临床数据库的检测[19]。此外，Zhang等人。提出了一种改进的光杯检测方法，采用基于凸壳的椭圆优化方法。使用更稳健的基于阈值的水平集方法对光学杯进行分割，然后基于直接最小二乘拟合算法进行椭圆拟合。然后使用凸壳来优化视杯的椭圆拟合边界，以杯形盘比（CDR）进行青光眼诊断。比较所提出的方法与ARGALI现有技术的性能优于ARGALI，改进的RMS误差为0.1008，偏差为0.0614。但该方法缺乏对临床应用的大规模评估[20]。

• 您还可以看一下 屈桢深老师的一学即懂的计算机视觉（第一季）课程中的 分水岭算法小节, 巩固相关知识点