本书的第1章和第2章介绍了数字图像处理的基本概念和技术,后续几章介绍了数字图像处理和计算机视觉领域的几个应用实例,包括指纹识别系统、数字水印技术、条形码技术、印鉴鉴定系统、光学字符识别技术以及基于视觉的手势识别系统。
本书的最大特色在于,对识别技术中的大多数问题,不仅给出了关于算法的详细介绍,还给出了基于C/VisualC++6.0的实现代码,具有一定的扩展性。
有的实例还给出了不同方法的实现过程,以供读者选择。
本书可作为读者学习数字图像处理的教程,也可作为毕业设计或工程开发的参考书本书系统地介绍了图像处理与识别的基本原理、典型方法和实用技术。
全书共分12章,第1章~第6章是图像处理与识别的基础内容,包括图像科学综述、MATLAB语言图像编程、图像增强、图像分割、图像特征提取和图像识别;
第7章~第10章是图像处理与识别的工程实例,涵盖了医学图像处理、文字识别和自导引小车路径识别等应用实例,并结合理论算法,提供了大量MATLAB代码程序,以协助读者掌握如何使用MATLAB语言快速进行算法的仿真、调试和估计等方法。
第11章~第12章,是两个综合性较强的实例,分别是VisualC++实现的基于神经网络的文字识别系统和车牌定位系统。
2017/6/11 23:16:37 8.18MB Visual C++
1
针对智能视频监控告警功能进行研究,通过OpenCV、C++及相关算法来更无效地进行图像识别,达到智能捕获可疑异常情况及告警功能。
该系统包括图像采集模块,图像预处理模块,运动检测模块,人脸检测,人脸识别模块,短信模块等。
通过对以上模块的研究与实验,达到了设计要求。
1
在Opencv中运用预训练的深度学习模型,实现特定物体的识别
2022/9/5 8:21:26 48.54MB 图像识别
1
这个代码是基于Matlab的CNN卷积神经网络开发的图像识别代码,里面有完整的代码程序和数据,大家可以下载下来研讨。
2022/9/5 3:18:28 2.9MB CNN matlab
1
植物分类是植物科学研究领域和农林业生产运营中重要的基础性工作,植物分类学是一项具有长远意义的基础性研究,其主要的分类依据是植物的外观特征,包括叶、花、枝干、树皮、果实等。
因此,花卉分类是植物分类学的重要部分,利用计算机进行花卉自动种类识别具有重要意义。
本文从常见的观赏花卉入手,探索了基于花朵数字图像对花卉进行种类识别的方法。
在己有研究的基础上,针对花朵的生长特点定义了颜色、纹理、形状等方面的特征,并使用分级SVM分类器对花卉图像进行了识别。
论文提出了分区域特征提取以及极坐标系下的灰度共生矩阵适于描述放射状生长的花朵纹理特征,对提高系统的识别准确率具有重要意义,此外,所设计的分级SVM分类器有效降低了分类器对样本种类数量的敏感性,克服了SVM分类器对大样本量识别准确率低的问题。
本文构建了基于数字图像的花卉种类识别系统,并用五十种花卉对系统进行了测试,达到了95.72%的识别准确率。
实验结果表明,本文所实现的花卉种类识别系统具有较高的识别准确率和稳定性。
2022/9/4 7:01:48 6.39MB 花卉分类 模式识别 特征提取 matlab
1
小程序云开发的垃圾分类微信小程序(可做毕业设计)系统源码。
次要实现垃圾分类信息查询,提供文字、图像识别以及语音识别检索,同时还支持城市切换以及垃圾分类专题模块和垃圾分类知识小测试。
本项目将包含微信、QQ、支付宝、百度小程序四个平台小程序源码。
小程序云开发的垃圾分类微信小程序(可做毕业设计)系统源码。
次要实现垃圾分类信息查询,提供文字、图像识别以及语音识别检索,同时还支持城市切换以及垃圾分类专题模块和垃圾分类知识小测试。
本项目将包含微信、QQ、支付宝、百度小程序四个平台小程序源码。
小程序云开发的垃圾分类微信小程序(可做毕业设计)系统源码。
次要实现垃圾分类信息查询,提供文字、图像识别以及语音识别检索,同时还支持城市切换以及垃圾分类专题模块和垃圾分类知识小测试。
本项目将包含微信、QQ、支付宝、百度小程序四个平台小程序源码。
1
边坡位移图像识别算法研讨.pdf
2018/1/3 17:06:12 4.3MB 文档资料
1
摘要:灰度动态范围压缩是一种基本的图像加强处理方法,广泛应用于图像识别,视频监控等领域中。
结合这一应用,提出了一种基于非线性变换的动态范围压缩算法,并且以FPG
2015/11/27 22:03:45 404KB fpga开发
1
是用于字母A到J的字体glypyhs的图像识别数据集,可用于简单的神经网络。
它与手写数字0到9的经典非常相似。
不幸的是,notMNIST数据的提供格式与MNIST数据的格式不同,因而,您不能只交换notMNIST数据文件并在其上不更改地运行神经网络。
这个仓库解决了这个问题:这里的四个*.gz文件具有与MNIST数据集中的同名文件相同的数据格式和相同的条目数。
但是图像不是手写数字,而是从A到J的字母(标签仍然是0到9)。
(这些文件在这里获得了notMNIST数据集的原始作者的许可。
)如果您有使用MNIST的神经网络,则应该能够替换此存储库中的数据文件并运行程序,而无需进行任何更改。
请注意,notMNIST数据集比MNIST更难,更不干净。
使用这些notMNIST文件,在MNIST上获得98%的准确度的简单2隐藏层网络就可以得到93或94%的准确度。
notMNIST数
2015/3/4 9:25:41 22.13MB Python
1
基于深度学习的车牌识别研究-论文研究材料,包含图像识别,手写字符等
2015/9/16 22:45:35 73.74MB 图像识别
1
共 114 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡