从理论上研究了增益辅助二维金属纳米粒子（NP）阵列中平面晶格等离激元（OLP）的共振放大。
由于角度相关的近场光学特性，可以通过调整入射光的角度来控制基于OLP的spaser的增益阈值。
事实证明，与活性等离子NP阵列相比，OLP的表面等离激元（SP）扩增阈值更低。
进行并排比较以不同入射角激发的ILP和OLP的电场定位和增强，以了解它们的不同打散性能。
结果还表明，NP阵列中晶格等离激元的增益阈值远低于单个NP中局部SP的增益阈值。
由于角度相关的近场光学特性，可以通过调整入射光的角度来控制基于OLP的spaser的增益阈值。
事实证明，与活性等离子NP阵列相比，OLP的表面等离激元（SP）扩增阈值更低。
进行并排比较以不同入射角激发的ILP和OLP的电场定位和增强，以了解它们的不同打散性能。
结果还表明，NP阵列中晶格等离激元的增益阈值远低于单个NP中局部SP的增益阈值。
2023/6/2 12:32:26
1.75MB
1
小波复合合阈值新算法具有优越的性能。
利用谱线和噪声在小波域内的不同相关特性，提出了一种小波域复合阈值去噪算法。
首先将小波系数作NeighShrink阈值处理，然后对得到的小波系数进行二值化，在此基础上定义了每一小波系数所对应的横向相关性指数和纵向相关性指数，最后确定出决定小波系数取舍的决策系数。
由于该决策系数是通过多重判据得到的，因此该方法克服了简单阈值方法过保留或过扼杀的缺点，同时可以去除大脉冲噪声，实验结果表明了该方法的有效性。
利用谱线和噪声在小波域内的不同相关特性，提出了一种小波域复合阈值去噪算法。
首先将小波系数作NeighShrink阈值处理，然后对得到的小波系数进行二值化，在此基础上定义了每一小波系数所对应的横向相关性指数和纵向相关性指数，最后确定出决定小波系数取舍的决策系数。
由于该决策系数是通过多重判据得到的，因此该方法克服了简单阈值方法过保留或过扼杀的缺点，同时可以去除大脉冲噪声，实验结果表明了该方法的有效性。
2023/5/31 0:11:34
188KB
1
对目前几种在图像分割领域得到较多应用的交互式分割区域生长分割以及阈值分割算法进行了探讨9并且结合实际CT片图例分别进行分割实验研究9得到较为满意和可用性强的结果.实验表明2阈值分割对于CT切片的效果最好;区域生长分割适宜于对面积不大的区域进行分割9分割效果较好;基于动态规划的交互式分割算法比较复杂9计算时间较长9但对于边缘较平滑的区域9同样具有较好的实际效果.几种算法的评估为其在CT图像分割上的实际应用提供了科学依据.
2023/5/29 9:50:56
270KB
1
基于FPGA的中值滤波算法的方案与实现摘要在图像的收集、传输以及记实等进程中，由于受到多方面因素的影响，图像信号会不可防止地受到椒盐噪声的传染，这将会严正影响图像的前期阐发以及识别等处置，于是有需要用中值滤波器对于图像的椒盐噪声举行滤波预处置。
实际使用中，对于滤波器件不光申请能够将图像中的椒盐噪声滤除了，满足图像处置的实时性申请，并且还申请能够很好地保护图像细节，防止滤波后图像变患上模糊。
针对于传统的快捷中值滤波算法在滤除了图像椒盐噪声时存在图像细节模糊的缺陷，本文提出了一种基于FPGA的改善的快捷中值滤波算法。
该算法在中值滤波进程中，起首依据设定的阈值分辨滤波窗口的中间像素点的能否为噪声点，若是噪声点，就行使快捷中值滤波算法求出中值并交流中间点的原像素值，若不是噪声点，就不举行中值滤波处置。
行使MATLAB软件对于该算法举行仿真的下场评释，该算法具备精采的去噪以及图像细节相持的才气。
在该算法的FPGA实现进程中，欠缺行使FPGA硬件的并行性，并且付与流水线本领，普及了图像滤波的处置速率。
FPGA硬件实现的下场评释，该算法与传统的快捷滤波算法相比，不光能够满足图像处置的实时性申请，并且还能在滤除了图像椒盐噪声的同时，防止滤波后图像变患上模糊的缺陷，抵达了保护原始图像细节的目的。
实际使用中，对于滤波器件不光申请能够将图像中的椒盐噪声滤除了，满足图像处置的实时性申请，并且还申请能够很好地保护图像细节，防止滤波后图像变患上模糊。
针对于传统的快捷中值滤波算法在滤除了图像椒盐噪声时存在图像细节模糊的缺陷，本文提出了一种基于FPGA的改善的快捷中值滤波算法。
该算法在中值滤波进程中，起首依据设定的阈值分辨滤波窗口的中间像素点的能否为噪声点，若是噪声点，就行使快捷中值滤波算法求出中值并交流中间点的原像素值，若不是噪声点，就不举行中值滤波处置。
行使MATLAB软件对于该算法举行仿真的下场评释，该算法具备精采的去噪以及图像细节相持的才气。
在该算法的FPGA实现进程中，欠缺行使FPGA硬件的并行性，并且付与流水线本领，普及了图像滤波的处置速率。
FPGA硬件实现的下场评释，该算法与传统的快捷滤波算法相比，不光能够满足图像处置的实时性申请，并且还能在滤除了图像椒盐噪声的同时，防止滤波后图像变患上模糊的缺陷，抵达了保护原始图像细节的目的。
2023/5/11 14:48:13
2.58MB
1
K-Means算法是使用最为普及的聚类算法[2]。
该算法以类中千般本的加权均值(称为质心)代表该类，只用于数字属性数据的聚类，全局阈值联系，对于图像的联系还挺好的，不能够使直方图，
该算法以类中千般本的加权均值(称为质心)代表该类，只用于数字属性数据的聚类，全局阈值联系，对于图像的联系还挺好的，不能够使直方图，
2023/5/7 22:10:03
1KB
1
用LabVIEW制作的图像二值化法度圭表标准图像二值化当然二值图像含有的信息比力少，然则它有一系列短处，譬如图像比力扼要易懂，资源很低以及处置进程中运算速率快，使患上二值图像的使用极其普及，主若是由于二值图像约莫、信息量少，举行处置操作时运算速率快，资源低。
图片二值化是针对于灰度图片的进程上举行的，行将全部灰度图片上的像素点的灰度值配置为0或者255，全部图片惟独黑白两种色调，末了的图片是黑白色的下场[10]。
灰度化能够有255个亮度品级，而二值化惟独两个，0以及255，即黑以及白，配置安妥的中间值（阈值），在整张图片的齐全亮度下,比阈值大的便是255，比阈值小的便是0。
如公式（1）所示。
（1）
图片二值化是针对于灰度图片的进程上举行的，行将全部灰度图片上的像素点的灰度值配置为0或者255，全部图片惟独黑白两种色调，末了的图片是黑白色的下场[10]。
灰度化能够有255个亮度品级，而二值化惟独两个，0以及255，即黑以及白，配置安妥的中间值（阈值），在整张图片的齐全亮度下,比阈值大的便是255，比阈值小的便是0。
如公式（1）所示。
（1）
2023/5/7 13:09:10
22KB
1
发抖模糊是拍照中罕有的下场，为此提出了一个鲁棒快捷的核函数估量以及图像规复方式。
给定一幅因相机发抖而模糊的图像，该方式起首建树金字塔，而后自顶向下、迭代地估量行为模糊核函数，同时对于图像举行规复。
使用稠浊高斯模子对于核函数建模，使用做作图像的边缘大尾巴漫衍对于图像举行解放。
经由袭击滤波器料想图像的强边缘，对于图像的边缘与核函数举行解放，从而更好地估量核函数。
并经由畅通阈值方式以及核函数重新定位的方式，飞腾核函数的噪声，普及核函数估量的鲁棒成果。
在求解核函数能量方程时，付与共轭梯度法，行使图像的一阶以及二阶偏导数飞腾体系方程的前提数，减速收敛速率。
末了，在一个国内果真的搜罗32组行为模糊图像的数据集上验证了该方式。
试验下场评释，该方式所规复的图像，其边缘以及纹理明晰，能够很好地防止噪声以及振铃走样下场。
给定一幅因相机发抖而模糊的图像，该方式起首建树金字塔，而后自顶向下、迭代地估量行为模糊核函数，同时对于图像举行规复。
使用稠浊高斯模子对于核函数建模，使用做作图像的边缘大尾巴漫衍对于图像举行解放。
经由袭击滤波器料想图像的强边缘，对于图像的边缘与核函数举行解放，从而更好地估量核函数。
并经由畅通阈值方式以及核函数重新定位的方式，飞腾核函数的噪声，普及核函数估量的鲁棒成果。
在求解核函数能量方程时，付与共轭梯度法，行使图像的一阶以及二阶偏导数飞腾体系方程的前提数，减速收敛速率。
末了，在一个国内果真的搜罗32组行为模糊图像的数据集上验证了该方式。
试验下场评释，该方式所规复的图像，其边缘以及纹理明晰，能够很好地防止噪声以及振铃走样下场。
2023/5/3 6:04:20
1.06MB
1
语音端点检测是语音信号处置进程中的一个弥留步骤，其检测准确性直接影响语音信号处置的速率以及下场。
传统的基于双门限法语言检测本领，在语音处于纯语音情景下分辨语音端点较准确，但在语音处于噪声情景下，特意是低信噪比的情景下，端点识别率很低，侵蚀率很高。
基于普及此方式识别率的目的，付与调解阈值个数，滑腻滤波，引入语音竣事最小长度的方式对于其举行改善，经由了Matlab仿其实验，患上出了较好的语音端点检测准确率。
传统的基于双门限法语言检测本领，在语音处于纯语音情景下分辨语音端点较准确，但在语音处于噪声情景下，特意是低信噪比的情景下，端点识别率很低，侵蚀率很高。
基于普及此方式识别率的目的，付与调解阈值个数，滑腻滤波，引入语音竣事最小长度的方式对于其举行改善，经由了Matlab仿其实验，患上出了较好的语音端点检测准确率。
2023/5/1 7:17:29
1.34MB
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