surf的原始论文。
对做图像匹配的朋友有一定协助。
SURF意指加速的具有鲁棒性的特征，由Bay在2006年首次提出，这项技术可以应用于计算机视觉的物体识别以及3D重构中。
SURF算子由SIFT算子改进而来，一般来说，标准的SURF算子比SIFT算子快好几倍，并且在多幅图片下具有更好的鲁棒性。
SURF最大的特征在于采用了harr特征以及积分图像integralimage的概念，这大大加快了程序的运行时间。
对做图像匹配的朋友有一定协助。
SURF意指加速的具有鲁棒性的特征，由Bay在2006年首次提出，这项技术可以应用于计算机视觉的物体识别以及3D重构中。
SURF算子由SIFT算子改进而来，一般来说，标准的SURF算子比SIFT算子快好几倍，并且在多幅图片下具有更好的鲁棒性。
SURF最大的特征在于采用了harr特征以及积分图像integralimage的概念，这大大加快了程序的运行时间。
2022/9/4 22:15:54
4.33MB
1
常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性遭到影响。
引入了一种基于方向的交叉算子和变异算子,同时把模拟退火算法引入了遗传算法,结合遗传算法和模拟退火算法的优点,提出了一种优化神经网络结构的遗传——模拟退火混合算法,实现了网络结构和权值的同时优化。
仿真实验表明,与遗传算法和模拟退火算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。
引入了一种基于方向的交叉算子和变异算子,同时把模拟退火算法引入了遗传算法,结合遗传算法和模拟退火算法的优点,提出了一种优化神经网络结构的遗传——模拟退火混合算法,实现了网络结构和权值的同时优化。
仿真实验表明,与遗传算法和模拟退火算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。
2022/9/3 22:26:57
143KB
1
遗传算法首先会采用一种编码方式将解空间映射到一个编码空间,每一个编码对应问题的一个解,称之为个体或者染色体,然后再随机生成确定起始的一群个体,称之为种群。
在后续迭代的过程中,按照适者生存不适者淘汰的原理,根据适应度大小选择个体,并且借助各种不同的遗传算子对个体进行交叉和变异,生成一个代表新的解集的种群,这个种群会比前一代愈加适应环境,如此一直进化下去直到到达优化准则。
这个时候的末代个体,经过解码,得到的解可近似的作为问题的最优解。
在后续迭代的过程中,按照适者生存不适者淘汰的原理,根据适应度大小选择个体,并且借助各种不同的遗传算子对个体进行交叉和变异,生成一个代表新的解集的种群,这个种群会比前一代愈加适应环境,如此一直进化下去直到到达优化准则。
这个时候的末代个体,经过解码,得到的解可近似的作为问题的最优解。
2022/9/3 0:55:55
1KB
1
:受烟花爆炸现象的启发并结合遗传算法思想提出一种新的优化算法———带有遗传算子的烟花爆炸优化算法(GAFEO)。
该算法主要模拟烟花爆炸的方式对解空间进行基本的并行弥漫式爆炸搜索,引入自适应局部搜索策略和遗传算法中的交叉变异策略以改善算法的优化功能。
通过实验对12个常用高维测试函数进行优化计算,结果表明,与PSO算法以及其他新型算法相比,GAFEO算法在寻优能力、寻优精度等方面都具有较好的功能。
该算法主要模拟烟花爆炸的方式对解空间进行基本的并行弥漫式爆炸搜索,引入自适应局部搜索策略和遗传算法中的交叉变异策略以改善算法的优化功能。
通过实验对12个常用高维测试函数进行优化计算,结果表明,与PSO算法以及其他新型算法相比,GAFEO算法在寻优能力、寻优精度等方面都具有较好的功能。
2022/9/2 23:55:19
163KB
1
如果你是MATLAB的初学者，你应该从阅读矩阵操作开始。
最重要的是要学习如何输入矩阵，如何使用：（冒号）算子，以及如何调用函数。
在你掌握了基础之后，你应该阅读其他章节并运行实例。
MATLAB的中心是一种在你能充分开发它的功能之前必须学习的工具。
你能迅速学习MATLAB的基础并掌握它。
你将会得到的回报是高产量以及高创造性用计算机计算的能力，这将会改变你工作的方式。
最重要的是要学习如何输入矩阵，如何使用：（冒号）算子，以及如何调用函数。
在你掌握了基础之后，你应该阅读其他章节并运行实例。
MATLAB的中心是一种在你能充分开发它的功能之前必须学习的工具。
你能迅速学习MATLAB的基础并掌握它。
你将会得到的回报是高产量以及高创造性用计算机计算的能力，这将会改变你工作的方式。
2017/4/20 10:36:42
1.32MB
1
RH炼钢工艺中，控制钢水液面高度目前仍采用人工目测的方法，该方法存在一定的缺陷与不准确性。
因而本文提出一种钢水液面精确定位算法，该算法采用数字图像处理技术，对图像边缘检测算子进行深入研究，引用一种改进型Sobel算子——8模板各向同性Sobel算子，它能够检测出8个方向的边缘，接着采用霍夫变换、曲线拟合对边缘做优化处理，以此检测出钢水液面的位置。
实验研究表明，该算法能够准确检测出钢水液面的位置，为RH炼钢工艺的自动化发展提供重要的理论依据。
因而本文提出一种钢水液面精确定位算法，该算法采用数字图像处理技术，对图像边缘检测算子进行深入研究，引用一种改进型Sobel算子——8模板各向同性Sobel算子，它能够检测出8个方向的边缘，接着采用霍夫变换、曲线拟合对边缘做优化处理，以此检测出钢水液面的位置。
实验研究表明，该算法能够准确检测出钢水液面的位置，为RH炼钢工艺的自动化发展提供重要的理论依据。
2015/11/8 6:39:06
510KB
1
本资源采用了改进的遗传算法，进行，具体改进如下：与传统的交叉和变异的遗传方式不同，这里提出一种改进遗传操作。
具体步骤是设定一个变异概率p，如图1所示，先在染色体中随机选择一个点G1，如G1=34。
产生一个随机小数，若小于p，则第二个点G2来自同一个个体的另外一个任意点，如G2=52，然后点G1和G2之间的部分被倒置；
若随机小数大于p，则从种群中任意再选择一个个体，找出G1=34在该个体中，上一个位置的点，如下一个点G3=3，则回到原来的个体，点34到3之间被倒置。
这种遗传的思路在于，它能尽量利用种群中获得的信息，来指引个体的变异或者导致操作，最初使得遗传算子比较高效。
具体步骤是设定一个变异概率p，如图1所示，先在染色体中随机选择一个点G1，如G1=34。
产生一个随机小数，若小于p，则第二个点G2来自同一个个体的另外一个任意点，如G2=52，然后点G1和G2之间的部分被倒置；
若随机小数大于p，则从种群中任意再选择一个个体，找出G1=34在该个体中，上一个位置的点，如下一个点G3=3，则回到原来的个体，点34到3之间被倒置。
这种遗传的思路在于，它能尽量利用种群中获得的信息，来指引个体的变异或者导致操作，最初使得遗传算子比较高效。
2018/8/19 15:43:26
506KB
1
针对现有计算机视觉对交通路标识别的复杂性和不稳定性的问题，通过运用图像轮廓识别技术，提出了由全局特征到局部特征再到结构特征的多层次轮廓识别，在交通路标的识别过程中，分别构造了图像密度、外形度量、光滑程度和轮廓熵值4个层次的图像轮廓，同时结合Sobel算子和信息熵对交通路标图像进行了提取与分块处理。
通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；
在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，外形度量为1.3和2.4时，NRSS分别为0.3712和0.2667。
这种层次化的轮廓分析在路标的识别上具有较好的稳健性。
通过实验仿真结果表明：在图像的提取过程中，交通路标图像随着其DMOS值的增大，图像的质量越差，清晰度越低，其NRSS值越小；
在图像的识别过程中，低通滤波器的大小设置为7×7，原图NRSS为0.7654，外形度量为1.3和2.4时，NRSS分别为0.3712和0.2667。
这种层次化的轮廓分析在路标的识别上具有较好的稳健性。
2016/7/23 15:33:26
744KB
1
为解决传统均值比(ratioofaverage,ROA)算子检测SAR(syntheticapertureradar,SAR)图像边缘时出现的受噪声影响大和边缘定位精度低等问题,结合平稳小波变换的优点,提出一种平稳小波去噪和改进ROA算法的SAR图像边缘检测方法。
首先,利用平稳小波进行去噪预处理,减少相干斑噪声。
然后,通过把传统ROA算子的4个检测方向增加为8个,以及利用非极值抑制进行边缘定位,在检测方向和定位精度两个方面改进ROA算法。
实验结果表明,该方法的去噪功能和边缘检测效
首先,利用平稳小波进行去噪预处理,减少相干斑噪声。
然后,通过把传统ROA算子的4个检测方向增加为8个,以及利用非极值抑制进行边缘定位,在检测方向和定位精度两个方面改进ROA算法。
实验结果表明,该方法的去噪功能和边缘检测效
2015/10/1 12:23:56
1.05MB
1
建立了GUI界面，五种经典的边缘检测算子，包括Roberts算子，Sobel算子，Canny算子，Prewitt算子，LOG算法。
利用MATLAB系统所提供的相关函数，分别用这几种算子对同一副图像进行处理，在MATLAB2014a版本下运转完全正确
利用MATLAB系统所提供的相关函数，分别用这几种算子对同一副图像进行处理，在MATLAB2014a版本下运转完全正确
2015/5/24 9:34:28
6.36MB
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