SVM本身是一个二值分类器，SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。
此安装包可以直接调用。
此安装包可以直接调用。
2025/10/1 0:42:26
848KB
1
基于IDL开发的计算图像纹理特征的算子，图像是TIFF格式的空间数据，计算出来之后每个像元均具有对应的LBP特征值。
2025/9/25 2:46:19
2KB
1
适合初学数字图像处理的人群。
利用C#的Bitmap，BItmaData，Graphic等类对数字图像进行处理，开发窗体程序等等。
利用C#的Bitmap，BItmaData，Graphic等类对数字图像进行处理，开发窗体程序等等。
2025/9/22 21:17:35
217KB
1
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。
2025/9/18 12:13:34
3.35MB
1
本基于MATLAB图像处理的疲劳驾驶检测提出了一种基于视觉信息和人工智能的驾驶员睡意自动检测模块。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
2025/8/22 21:24:45
741KB
1
以Logistic混沌映射的初值作为密钥,产生混沌序列构成加密模板来加密二值图像水印。
在DCT变换域进行水印嵌入,进行非盲检测。
该算法符合密码学要求,且仿真结果表明不可见性和鲁棒性良好。
在DCT变换域进行水印嵌入,进行非盲检测。
该算法符合密码学要求,且仿真结果表明不可见性和鲁棒性良好。
2025/8/15 10:40:32
371KB
1
（1）读入米粒图片(rice.png)；
（2）对图像实现压缩和解压缩（方法自选）；
（3）对步骤（2）中解压的原图像，加入高斯噪声，其中；
（4）滤波去噪（方法自选）；
（5）对步骤（4）中去噪的图像，用开、闭运算，二值化和贴标签等方法，自动统计米粒的数量。
（2）对图像实现压缩和解压缩（方法自选）；
（3）对步骤（2）中解压的原图像，加入高斯噪声，其中；
（4）滤波去噪（方法自选）；
（5）对步骤（4）中去噪的图像，用开、闭运算，二值化和贴标签等方法，自动统计米粒的数量。
2025/8/8 14:42:14
691KB
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