调和分析及其在偏微分方程中的使用(苗长兴).pdf调和分析及其在偏微分方程中的使用(苗长兴).pdf
2018/2/16 22:25:55
8.28MB
1
基本思路：微分方程求解，**用邻近的像素替换那些坏标记，使其看起来像是邻居**。
假设图像里的一个区域要修复。
算法从这个区域的边界开始，逐步地进入区域，把边界内的所有东西填充上。
它取要修复的部分周围的一个像素周围的一小片邻居。
这个像素被周围已知的像素的标准加权和替换掉。
选择权重是很重要的。
要修复的点周围像素的权重较高。
和正常边界近的，还有在边界轮廓上的像素的权重较高。
当像素被修复以后，它会通过快速匹配方法($FMM$)移动到最近的像素。
$FMM$保证那些已知像素周围的像素首先被修复，所以这个就像人工启发式的操作一样。
$OpenCV$提供了两种算法。
两者都可以通过相同的函数访问，$cv2.inpaint（）$。
第一种算法基于$AlexandruTelea$于2004年发表的“基于快速行进方法的图像修复技术”。
它基于快速行进方法。
考虑图像中要修复的区域。
算法从该区域的边界开始，然后进入区域内，逐步填充边界中的所有内容。
它需要在邻近的像素周围的一个小邻域进行修复。
该像素由邻居中所有已知像素的归一化加权和代替。
选择权重是一个重要的问题。
对于靠近该点的那些像素，靠近边界的法线和位
假设图像里的一个区域要修复。
算法从这个区域的边界开始，逐步地进入区域，把边界内的所有东西填充上。
它取要修复的部分周围的一个像素周围的一小片邻居。
这个像素被周围已知的像素的标准加权和替换掉。
选择权重是很重要的。
要修复的点周围像素的权重较高。
和正常边界近的，还有在边界轮廓上的像素的权重较高。
当像素被修复以后，它会通过快速匹配方法($FMM$)移动到最近的像素。
$FMM$保证那些已知像素周围的像素首先被修复，所以这个就像人工启发式的操作一样。
$OpenCV$提供了两种算法。
两者都可以通过相同的函数访问，$cv2.inpaint（）$。
第一种算法基于$AlexandruTelea$于2004年发表的“基于快速行进方法的图像修复技术”。
它基于快速行进方法。
考虑图像中要修复的区域。
算法从该区域的边界开始，然后进入区域内，逐步填充边界中的所有内容。
它需要在邻近的像素周围的一个小邻域进行修复。
该像素由邻居中所有已知像素的归一化加权和代替。
选择权重是一个重要的问题。
对于靠近该点的那些像素，靠近边界的法线和位
2021/2/6 11:52:54
686B
1
参加全国计算机仿真大奖赛时的训练作品，资料包含所有的文字解答和MATLAB程序，设计常微分方程解析解、数值解、模型稳定性分析、脉冲扰动和阶跃扰动分析、GUI界面的制造程序。
是参加数模竞赛和计算机仿真大赛很好的参考资料。
本文已经在中国科技论文在线上公开发表，引用请注明出处[]曾正.军备竞赛仿真[EB/OL].http://www.paper.edu.cn/paper.php?serial_number=200907-391,2009-7-20.
是参加数模竞赛和计算机仿真大赛很好的参考资料。
本文已经在中国科技论文在线上公开发表，引用请注明出处[]曾正.军备竞赛仿真[EB/OL].http://www.paper.edu.cn/paper.php?serial_number=200907-391,2009-7-20.
2020/4/16 11:47:44
874KB
1
Maple是世界著名的符号计算数学软件之一，本书以Maple11中文版为基础，一方面按照数学内容的进程由初等数学到高等数学，包括如何调用Maple的函数做初等代数、微积分、线性代数和微分方程中的数学计算题。
验证数学公式的推导，演示函数图形；
另一方面按照计算机言语的进程从简单的单命令输入到复杂的编程，包括符号计算、数值计算、图形绘制和编写程序等全部内容，层次结构清晰，内容由浅入深。
本书通过优化章节的结构、精选具有典范性的例题使初学者易学易用，并适合于不同层次读者的需求。
本书可作为大专院校学生学习Maple的教材，学习高等数学的工具；
数学实验课程和数学模型的辅助教材；
教师教学的辅助工具；
科研人员和工程技术人员科学计算的参考手册。
验证数学公式的推导，演示函数图形；
另一方面按照计算机言语的进程从简单的单命令输入到复杂的编程，包括符号计算、数值计算、图形绘制和编写程序等全部内容，层次结构清晰，内容由浅入深。
本书通过优化章节的结构、精选具有典范性的例题使初学者易学易用，并适合于不同层次读者的需求。
本书可作为大专院校学生学习Maple的教材，学习高等数学的工具；
数学实验课程和数学模型的辅助教材；
教师教学的辅助工具；
科研人员和工程技术人员科学计算的参考手册。
2021/4/22 15:34:47
30.11MB
1
将能够增强图像纹理信息的分数阶微分算子与变分偏微分方程相结合，运用于图像去噪，提出一种基于分数阶偏微分算子的去噪模型。
该模型能够在抑制噪声的同时，更好地保持图像的纹理细节信息。
由于分数阶微分算子的阶数必须通过大量的实验人为确定，因而选择通过计算局部方差来反应图像局部纹理复杂度，自适应地确定分数阶微分的阶数。
实验表明：自适应分数阶偏微分算子不仅继承了TV模型的优点，并且在保持图像细节信息上的能力更强。
该模型能够在抑制噪声的同时，更好地保持图像的纹理细节信息。
由于分数阶微分算子的阶数必须通过大量的实验人为确定，因而选择通过计算局部方差来反应图像局部纹理复杂度，自适应地确定分数阶微分的阶数。
实验表明：自适应分数阶偏微分算子不仅继承了TV模型的优点，并且在保持图像细节信息上的能力更强。
2019/10/23 3:12:15
1.91MB
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