1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。
2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。
3.再单击轮廓提取菜单项，提取车辆轮廓。
4.最后单击车型识别菜单项，对车辆进行识别。
2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。
3.再单击轮廓提取菜单项，提取车辆轮廓。
4.最后单击车型识别菜单项，对车辆进行识别。
2025/7/4 13:07:38
3.23MB
1
针对高光谱图像特征利用不足和训练样本难以获取的问题,提出了一种具有多特征和改进堆栈稀疏自编码网络的高光谱图像分类算法。
采用流形学习获得高光谱图像的低维数据结构,并提取高光谱图像的光谱特征、具有空间信息的局部二值模式(LBP)特征及拓展多属性剖面(EMAP)特征。
利用主动学习查询特征性强的未标记样本并将其标记,利用融合空谱联合信息的样本训练堆栈主动稀疏自编码神经网络并用Softmax分类器对其分类。
Indianpines数据集的总体分类精度达到98.14%,PaviaU数据集总体分类精度达到97.24%。
实验结果表明,该算法分类精度高,边界点分类效果更好。
采用流形学习获得高光谱图像的低维数据结构,并提取高光谱图像的光谱特征、具有空间信息的局部二值模式(LBP)特征及拓展多属性剖面(EMAP)特征。
利用主动学习查询特征性强的未标记样本并将其标记,利用融合空谱联合信息的样本训练堆栈主动稀疏自编码神经网络并用Softmax分类器对其分类。
Indianpines数据集的总体分类精度达到98.14%,PaviaU数据集总体分类精度达到97.24%。
实验结果表明,该算法分类精度高,边界点分类效果更好。
2025/6/29 4:53:23
12.88MB
1
UI设计包括界面设计、菜单栏布局、进度条、结果展示和图片展示区域划分几个主要任务。
图像预处理包括图像的灰度化、二值化、反色处理、图形锐化、数字分割、归一化等主要任务。
特征提取为使用不同的特征提取方法，对于预处理过的图像，进行数字特征提取。
图像识别是对于数字图像，将特征提取出的数字矩阵数组，采用不同的识别方法，一个个地识别出他们对应的数字，最终显示在界面。
图像预处理包括图像的灰度化、二值化、反色处理、图形锐化、数字分割、归一化等主要任务。
特征提取为使用不同的特征提取方法，对于预处理过的图像，进行数字特征提取。
图像识别是对于数字图像，将特征提取出的数字矩阵数组，采用不同的识别方法，一个个地识别出他们对应的数字，最终显示在界面。
2025/6/24 19:37:25
206.13MB
1
Matlab对图像进行二值化处理，并提取图像的轮廓以及其数据坐标，自动获取而不是通过ginput手动拾取，亲测有效！！！
2025/6/16 17:09:03
526B
1
图像找茬游戏是时下非常流行的游戏之一，人眼通过对比找出图像中差异较大的位置是一件较为有难度的事情，但是对于计算机来说精确找出图像差异却是一件简单的事情。
本文利用图像之间的灰度差和色彩差寻找图像之间的差异，在图像做差的结果上进行阈值分割形成二值图像，对于二值图像采用形态学处理，首先使用膨胀腐蚀运算去除噪声和填补二值团块，然后利用连通域分析算法对图像中差异较大的位置进行精确的定位。
最后通过多组实验进行算法参数调节，实验证明本文提出的图像找茬算法能有效的定位图像之间的差异。
本文利用图像之间的灰度差和色彩差寻找图像之间的差异，在图像做差的结果上进行阈值分割形成二值图像，对于二值图像采用形态学处理，首先使用膨胀腐蚀运算去除噪声和填补二值团块，然后利用连通域分析算法对图像中差异较大的位置进行精确的定位。
最后通过多组实验进行算法参数调节，实验证明本文提出的图像找茬算法能有效的定位图像之间的差异。
2025/6/14 13:51:24
14.45MB
1
针对复杂运动背景中慢速小目标检测误检率高，实时性差等问题，提出了基于自适应阈值分割的慢速小目标检测算法。
首先计算连续两帧图像特征点的金字塔光流场，对光流场进行滤波，获取匹配特征点集合。
然后对图像运动背景进行建模，拟合投影模型参数，通过投影模型得到运动背景补偿图像，进行图像差分处理，获得差分图像。
最后迭代计算差分图像的自适应阈值，修正差分阈值，差分图像二值分割，检测出运动目标。
实验结果表明算法能够准确地检测出复杂背景中的慢速小目标，虚警率为2%，目标漏检率为2.6%，目标检测准确率95.4%，每帧图像目标检测时间为38ms，能够满足运动目标检测对实时性的要求。
首先计算连续两帧图像特征点的金字塔光流场，对光流场进行滤波，获取匹配特征点集合。
然后对图像运动背景进行建模，拟合投影模型参数，通过投影模型得到运动背景补偿图像，进行图像差分处理，获得差分图像。
最后迭代计算差分图像的自适应阈值，修正差分阈值，差分图像二值分割，检测出运动目标。
实验结果表明算法能够准确地检测出复杂背景中的慢速小目标，虚警率为2%，目标漏检率为2.6%，目标检测准确率95.4%，每帧图像目标检测时间为38ms，能够满足运动目标检测对实时性的要求。
2025/6/11 7:02:40
1.65MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB