何凯明计算机视觉去雾源码+去雾小应用,这篇论文研究的问题是图像的去雾技术,它可以还原图像的颜色和能见度,同时也能利用雾的浓度来估计物体的距离,这些在计算机视觉上都有重要应用(例如三维重建,物体识别)
2024/8/19 13:51:23 456KB 去雾
1
使用Logistic回归模型进行中文文本分类,通过实验,比较和分析了不同的中文文本特征、不同的特征数目、不同文档集合的情况下,基于Logistic回归模型的分类器的性能。
并将其与线性SVM文本分类器进行了比较,结果显示它的分类性能与线性SVM方法相当,表明这种方法应用于文本分类的有效性。
2024/8/14 8:17:40 576KB 论文研究
1
在各向异性的物体中,高光被视为是漫反射分量以及镜面反射分量的一种线性组合。
单幅图像的高光去除是计算机视觉中一项非常有挑战性的课题。
很多方法试图将漫反射分量、镜面反射分量进行分离,然而这些方法往往需要图像分割等预处理过程,方法鲁棒性较差且比较耗时。
基于双边滤波器设计了一种高效的高光消除方法,该方法利用最大漫反射色度存在着局部平滑这一性质,使用双边滤波器对色度的最大取值进行传播与扩散,从而完成整幅图像高光去除。
方法采用一种加速策略对双边滤波器进行速度优化,与目前流行的方法相比,有效提升了方法的执行效率。
与传统方法相比,该方法高光去除效果更好,处理速度更快,非常适用于一些实时应用的场合。
2024/8/7 8:06:27 582KB 论文研究
1
由于资源复用,D2D链路与蜂窝链路之间会产生同频干扰。
为了抑制这种干扰,提出了一种基于Kuhn-Munkres最优匹配的资源分配算法。
该算法采用了图论中的Kuhn-Munkres最优匹配算法来实现最大限度的复用系统内的RB,达到提高系统吞吐量的目的。
同时,通过使一对D2D用户复用多个RB进行通信以保证不同的QoS需求。
最后,通过计算机仿真可以看出,该算法既可以有效地满足D2D用户的不同QoS需求,又提高了系统吞吐量。
1
针对目前欠驱动船舶航迹跟踪控制难以实现跟踪任意可行航迹问题,提出一种运动规划方法。
利用多项式拟合,并结合船舶动力学模型,通过离散期望点规划出操作性可实现的全部期望姿态。
同时,为实现欠驱动船舶的航迹快速跟踪控制,提出一种全局指数航迹跟踪控制律。
引入微分同胚变换,建立两个级联的子系统构成的航迹跟踪误差动态方程;
基于反步法的设计原理,运用Lyapunov直接方法对变换后的误差系统设计了全局指数航迹跟踪控制律。
仿真结果验证了所提出的全局指数航迹跟踪控制律能够有效实现跟踪任意可行航迹。
2024/7/30 12:11:15 622KB 论文研究
1
基于光参量放大器中四波混频效应的光信噪比监测方法,李靖达,伍剑,本文提出了一种基于光参量放大器中四波混频效应的带内光信噪比(OSNR)的监测方法。
论文分析了该监测方法和光参量放大器的基本原��
2024/7/26 22:48:34 363KB 光信号质量监测
1
基于图像分析的施工场景安全帽检测,王帅,项学智,本文主要针对工地场景下的施工工人是否正确佩戴安全帽的问题,利用图像分析的方式对施工场景下的安全帽进行检测。
传统的人工检测
2024/6/26 16:12:04 401KB 图像分析
1
人脸检测作为物体检测问题的一个特例,长期以来一直备受关注,已经开始广泛应用到全新人机界面、基于内容的检索、基于目标的视频压缩、数字视频处理、视觉监测等许多领域。
本论文研究的是如何准确地在复杂背景的灰度或彩色图像中测人脸,同时验证了结合肤色等多种信息融合的方法是提高检测速度的有效途径之一。
利用目前较为流行的AdaBoost算法的一个改进算法——GentleAdaBoost算法,设计实现了以这个算法为核心的快速人脸检测系统,系统分训练和检测两部分,训练的最终目的就是得到一多层分类器结构,人脸检测的效率和检测速度在很大程度上是由这种结构形式决定的。
通过一系列的比较得出样本选取、特征选取、核心算法等很多因素影响着多层分类器的结构形式。
2024/6/24 19:03:18 1.38MB bp神经网络 人脸肤色定位
1
基于STM32智能卡芯片读写器的设计,谭泽斌,左勇,本文设计了一个基于STM32的智能卡芯片读写器,给出了系统整体的设计框图,详细介绍了主控芯片STM32F103CBT6和射频处理芯片THM3070的外围��
2024/6/22 10:29:45 385KB 电路与系统
1
TH-UWBRake接收机仿真与性能分析,程锋利,,本文介绍了TH-UWB系统的发射信号和接收模型,采用最大比(MRC)合并,对正交二进制PPM-UWBRake接收机的误码性能进行了仿真,对理想ARake�
2024/6/9 22:53:18 357KB TH-UWB
1
共 132 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