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
###对该程序做如下说明：*采用的是opencv3.X版本*针对不同的图片，需要自己手动修改阈值`g_threshVal,g_threshMax`*程序是根据[`这一篇博客`](https://blog.csdn.net/rrrfff/article/details/77340641#commentBox)写的，只是自己调通了以后，给大家也分享下*因为是自动找点，所以在设置的不太合理的情况下，会出现很奇怪的现象，后果不堪设想。
2024/5/19 11:58:33
217KB
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
给定皮肤镜黑素细胞瘤图像，检测毛发噪声，并修复毛发遮挡部位的信息。
(1)灰值化：对皮肤镜黑素细胞瘤彩色图像进行灰值化处理，将彩色图像变成灰度格式；
(2)波谷检测器：使用结构元素对给定灰度图像进行形态学灰度闭运算，先膨胀后腐蚀，填充物体内细小空洞，连接邻近物体，再将原图与灰度闭运算得到的图像相减，得到背景色较暗，毛发区域较亮的毛发提取图像；
(3)阈值分割：经过波谷检测后的图像能够基本提取出毛发区域，使用交互式阈值分割，对毛发提取图像进行二值分割，为区域生长制作毛发掩膜做准备；
(4)标记连通域，剔除弱小噪声：用区域生长法提取连通域，并标记毛发区域，统计各连通区域的大小，设定阈值，屏蔽小的连通区域，去除背景中的杂小噪声点，尽可能的少破坏原始图像的信息；
(5)掩膜，恢复原始皮肤信息：将去除噪声后的二值图像作为掩膜，对毛发区域进行恢复重建。
(1)灰值化：对皮肤镜黑素细胞瘤彩色图像进行灰值化处理，将彩色图像变成灰度格式；
(2)波谷检测器：使用结构元素对给定灰度图像进行形态学灰度闭运算，先膨胀后腐蚀，填充物体内细小空洞，连接邻近物体，再将原图与灰度闭运算得到的图像相减，得到背景色较暗，毛发区域较亮的毛发提取图像；
(3)阈值分割：经过波谷检测后的图像能够基本提取出毛发区域，使用交互式阈值分割，对毛发提取图像进行二值分割，为区域生长制作毛发掩膜做准备；
(4)标记连通域，剔除弱小噪声：用区域生长法提取连通域，并标记毛发区域，统计各连通区域的大小，设定阈值，屏蔽小的连通区域，去除背景中的杂小噪声点，尽可能的少破坏原始图像的信息；
(5)掩膜，恢复原始皮肤信息：将去除噪声后的二值图像作为掩膜，对毛发区域进行恢复重建。
2024/5/16 1:34:17
67.4MB
1
对语音信号的采集、分析、处理与报表生成等。
语音信号由计算机进行分析和处理，在程序中通过设置采样点和采样率，对数据进行时域和频域的分析、处理。
系统软件具有滤波选择，分为低通，高通，带通滤波。
同时也具有开始采集，停止采集，报表生成，停止等功能。
语音信号采集模块由配置声音输入控件、读取声音输入控件、滤波器控件、比较控件、选择结构、循环结构等构成。
程序的主体为：配置声音输入——开始采样——滤波——数据输出。
采样的模拟波形通道为1通道多采样通过设定采样速率和采样点数来确定波形的质量，速率越快，采样点数越多，采样波形越相近于实际波形。
由于采集到的信号太小，不利于观测，因此经过放大器放大后来观看。
配置完成采样输入后开始录音，由于人说话的声音频率通常为300~3000Hz之间，故用巴特沃斯带通滤波器将150Hz以下和2000Hz以上的声音滤除。
之后，将滤波后的信号进行信号分解，将其中的幅值信息提取出来并与一个已设定好的阈值相比较，如果幅值大于所设定的阈值，则认为有人对计算机讲话，程序跳出循环等待模块。
语音信号由计算机进行分析和处理，在程序中通过设置采样点和采样率，对数据进行时域和频域的分析、处理。
系统软件具有滤波选择，分为低通，高通，带通滤波。
同时也具有开始采集，停止采集，报表生成，停止等功能。
语音信号采集模块由配置声音输入控件、读取声音输入控件、滤波器控件、比较控件、选择结构、循环结构等构成。
程序的主体为：配置声音输入——开始采样——滤波——数据输出。
采样的模拟波形通道为1通道多采样通过设定采样速率和采样点数来确定波形的质量，速率越快，采样点数越多，采样波形越相近于实际波形。
由于采集到的信号太小，不利于观测，因此经过放大器放大后来观看。
配置完成采样输入后开始录音，由于人说话的声音频率通常为300~3000Hz之间，故用巴特沃斯带通滤波器将150Hz以下和2000Hz以上的声音滤除。
之后，将滤波后的信号进行信号分解，将其中的幅值信息提取出来并与一个已设定好的阈值相比较，如果幅值大于所设定的阈值，则认为有人对计算机讲话，程序跳出循环等待模块。
2024/5/14 19:51:17
626KB
1
提出一种基于一维线衍射光栅的焦斑重构和远场测量新方法，从理论上分析了新方法在拓展测量仪器动态范围、提取远场焦斑高频旁瓣信息的有效性及方法的适用条件。
基于实验室现有的一套远场测量系统平台及自行设计的一维线衍射光栅，以远场环围能量(PIB)曲线作为检验新方法有效性的指标，通过数值仿真和实验相结合考察了新方法的有效性，并从准确测量远场焦斑质量的角度探讨了不同减阈值的去噪方式对焦斑重构结果的影响，对结果进行了分析讨论。
基于实验室现有的一套远场测量系统平台及自行设计的一维线衍射光栅，以远场环围能量(PIB)曲线作为检验新方法有效性的指标，通过数值仿真和实验相结合考察了新方法的有效性，并从准确测量远场焦斑质量的角度探讨了不同减阈值的去噪方式对焦斑重构结果的影响，对结果进行了分析讨论。
2024/5/13 7:22:39
3.26MB
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
本文详细分析了IEEE1588时钟同步的基本原理，并在此基础上给出一种改进的时间同步方法。
该改进的时钟同步算法针对网络传输路径的不对称性引入加权因子，用一定时间窗内的主从时钟偏差样本的算术平均值而不是直接利用主从时钟偏差来调整从时钟，并根据算法的状态改变时间窗N的大小，同时利用方差阈值滤波的方法过滤跳变过大时钟偏差测量值，保证同步算法的稳定性。
最后给出Alcatel-LucentTSS5R系统在实验室的时间性能实验结果。
实验结果表明TSS5R时钟同步具有稳定的性能，同步精度达到亚微秒级，可满足PTN产品高精度时钟同步的要求。
该改进的时钟同步算法针对网络传输路径的不对称性引入加权因子，用一定时间窗内的主从时钟偏差样本的算术平均值而不是直接利用主从时钟偏差来调整从时钟，并根据算法的状态改变时间窗N的大小，同时利用方差阈值滤波的方法过滤跳变过大时钟偏差测量值，保证同步算法的稳定性。
最后给出Alcatel-LucentTSS5R系统在实验室的时间性能实验结果。
实验结果表明TSS5R时钟同步具有稳定的性能，同步精度达到亚微秒级，可满足PTN产品高精度时钟同步的要求。
2024/4/29 15:01:51
1.26MB
1
1、Python实现社交网络影响力最大化Linear_Threshold（线性阈值模型）算法。
2、对线性阈值模型算法进行优化改进，实现贪心算法。
3、代码中有详细注释说明，测试代码，测试节点数据集，并对数据集进行处理，输出测试结果。
4、代码实现环境：Python2.7,Anoconda2,Pycharm2017。
2、对线性阈值模型算法进行优化改进，实现贪心算法。
3、代码中有详细注释说明，测试代码，测试节点数据集，并对数据集进行处理，输出测试结果。
4、代码实现环境：Python2.7,Anoconda2,Pycharm2017。
2024/4/29 12:50:25
9KB
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