图像修复是指利用待修补区域的邻域信息或动态图像的前后帧的信息来估算待修补区内缺损信息的过程,主要目的是对破损的图像进行修复,以构造人眼主观系统可以接受的图像。
目前,数字图像修复技术的发展主要集中在两个领域
目前,数字图像修复技术的发展主要集中在两个领域
2024/6/13 8:44:20
270KB
1
主要讲述了点云孔洞修补的过程，怎么检测边界，针对散乱点云数据分布不规律性，提出了改进的动态网格k邻域算法，建立点云空间拓扑关系，实验表明该算法不仅能够快速、准确地查找出目标点的k邻近点，还具有较为广泛的适用范围
2024/5/21 12:23:01
3.92MB
1
提出了一种利用多个图像特征的曝光过度区域检测学习算法。
该算法利用像素的亮度和颜色特征以及光的新特征-色度和边界邻域来构造特征向量。
采用L2正则化的一次逻辑回归方法获得最优分类器mod-e1。
实验结果表明，与直接强度阈值法和其他基于亮度和色彩特征的方法相比，该算法在区域连通性方面能更好地检测出过度曝光区域。
该算法利用像素的亮度和颜色特征以及光的新特征-色度和边界邻域来构造特征向量。
采用L2正则化的一次逻辑回归方法获得最优分类器mod-e1。
实验结果表明，与直接强度阈值法和其他基于亮度和色彩特征的方法相比，该算法在区域连通性方面能更好地检测出过度曝光区域。
2024/5/20 18:55:43
1.15MB
1
图像边缘获取，自己实现的基于matlab的8邻域算法，获取图像的边缘。
需要手动设置阈值对图像进行二值化。
包涵实现程序和测试程序
需要手动设置阈值对图像进行二值化。
包涵实现程序和测试程序
2024/5/17 18:33:21
1.18MB
1
前阶段在做关于聚类的问题研究，发了篇文章，随附matlab代码。
该程序是基于邻域网格划分实现的聚类。
版权原因，该程序内没有附带相应文章，大家可以根据代码内给定的标题和DOI号自行谷歌下载。
如果希望讨论聚类问题，欢迎根据代码内联系方式联系我，共同学习。
如果只是初级的matlab运行问题，还希望自行谷歌学习。
版权所有，建议使用代码的学者引用内附的文章出处。
未经许可或引用，不得随意传播！
该程序是基于邻域网格划分实现的聚类。
版权原因，该程序内没有附带相应文章，大家可以根据代码内给定的标题和DOI号自行谷歌下载。
如果希望讨论聚类问题，欢迎根据代码内联系方式联系我，共同学习。
如果只是初级的matlab运行问题，还希望自行谷歌学习。
版权所有，建议使用代码的学者引用内附的文章出处。
未经许可或引用，不得随意传播！
2024/5/10 21:17:22
190KB
1
介绍了无线传感器网络的体系结构、节点结构。
分析了传统的Flooding洪泛，发现其存在数据重复发送和盲目使用资源的缺点。
基于传统的洪泛，提出了一种高效广播协议（EBP，EffectiveBroadcastProtocol）。
通过对广播过程中一个节点转播之后其邻域内其它节点的转播，即引发新转播的讨论，完成了对最佳引发新转播的分析。
EBP广播协议以此为依据选择转播节点，不需要任何邻节点信息就可以高效完成广播。
降低了网络中节点的能耗，算法的控制开销和存储开销大大降低，延长了网络的生命周期。
仿真结果表明，该方法能有效提高网络的能量利用率。
分析了传统的Flooding洪泛，发现其存在数据重复发送和盲目使用资源的缺点。
基于传统的洪泛，提出了一种高效广播协议（EBP，EffectiveBroadcastProtocol）。
通过对广播过程中一个节点转播之后其邻域内其它节点的转播，即引发新转播的讨论，完成了对最佳引发新转播的分析。
EBP广播协议以此为依据选择转播节点，不需要任何邻节点信息就可以高效完成广播。
降低了网络中节点的能耗，算法的控制开销和存储开销大大降低，延长了网络的生命周期。
仿真结果表明，该方法能有效提高网络的能量利用率。
2024/5/3 3:26:06
596KB
1
提出一种融合多种特征的图像过曝光区域检测算法。
利用转换的亮度特征和颜色特征，并新引入亮颜特征和边界邻域特征来构成特征向量，用L2正则化逻辑非线性回归方法。
对实验图像进行过曝光区域检测，结果显着示，相较于亮度阈值法和采用亮度和颜色特征的常规检测方法，约会新特征后的改进算法检测出的过照射范围区域连通性更好。
利用转换的亮度特征和颜色特征，并新引入亮颜特征和边界邻域特征来构成特征向量，用L2正则化逻辑非线性回归方法。
对实验图像进行过曝光区域检测，结果显着示，相较于亮度阈值法和采用亮度和颜色特征的常规检测方法，约会新特征后的改进算法检测出的过照射范围区域连通性更好。
2024/4/30 6:56:48
478KB
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