光电检测技术题库，本人长春理工大学的，对于考研和期末考试有一定的参考价值。

本文研究了联合SAR影像强度与相干信息的多阈值融合变化检测技术。
针对SAR影像强度和相干信息各自统计分布特点,首先通过选定合适的统计分布模型分别对强度和相干信息进行统计分布拟合,并以Jeffrey距离为差异度量获取强度和相干信息的差异图。
然后利用三种阈值方法分别对两者的差异图进行阈值分割,获得多幅初步的变化结果图。
最后利用马尔科夫随机场进行融合,得到最终的变化检测结果。
实验结果表明该融合策略可以获得比单一阈值法更为稳定的变化检测结果。

#3D_Garment_Tryon_System3D虚拟试衣系统随着网络的普及和虚拟现实技术的发展，三维虚拟试衣技术已成为国内外学术界普遍关注和研究的重要课题。
三维服装虚拟试衣系统(3DGarmentVirtualTry-OnSystem)主要包括四个部分：用户试衣时的人体识别、姿势检测；
三维虚拟人体模型的构建与匹配，三维虚拟衣物模型的构建，三维衣物在虚拟人体的着装试穿。
目前我们在三维试衣系统相关理论的基础上，从研究三维人体、衣物建模理论出发，结合物理模型、图形处理等方法，实现了以上四个部分，并对其中一些关键技术进行了研究。
人体识别和姿势检测的研究方面，针对精准度要求较高的情况，我们采用N-best人体识别模型，用深度置信神经网络来对模型进行训练，能够检测出图片中任意姿势各个身体部件；
针对实时性要求较高的情况，我们采用SVM模型，可以判断出几种常见的人们试衣时的动作。
三维虚拟人体建模中，首先我们建立集成于软件中的人体模型库，主要是使用专用的三维人体造型软件Poser，将其中人体模型导出为OBJ文件，再根据OBJ文件的存储格式，提取出人体曲面的顶点信息，然后采用稀疏表示和三角剖分技术，利用一个个小三角形来逼近人体各部件的曲面；
而用户人体模型则是根据用户输入的人体信息，查找模型库中相匹配的人体模型并进行一定调整，最后结合检测到的用户姿势来展示用户特定的人体模型。
对于虚拟试衣，通过衣片三角剖分优化、二维到三维的转化、三维衣片虚拟缝合，构建了简单的衣物模型，基于碰撞检测技术，研究并实现了衣物虚拟穿在了人体模型身上的真实样子，如有褶皱、垂悬等等效果。

传感器与自动检测技术习题参考答案(张青春、纪剑祥主编，第一版）

第八章霍尔传感器

本书是世界范围内具有较高认可度的雷达系统入门教材，系统覆盖了现代雷达的理论和技术。
全书共分11章，分别讨论了雷达基本原理和方程，现代雷达技术体制，动目标指示和多普勒雷达技术，跟踪雷达技术，噪声中的信号检测技术，雷达信号的信息提取技术，雷达杂波特性，雷达波传播特点等，并详细介绍了雷达天线、雷达发射机和雷达接收机等分系统技术。

随着超声检测技术的不断发展，超声检测过程的模拟成为研究热点。
超声波声场关系到缺陷的定位定量以及检测精度和灵敏度，了解声场结构及分布特征对于提高检测可靠性、准确性以及提高检测效率至关重要，所以超声波声场模拟在整个超声检测技术的模拟中具有重要地位。
圆形活塞换能器、矩形活塞换能器是超声无损检测中常用的声源，而线列阵组合平面阵和矩形阵组合平面阵是相控阵换能器研究的基础，因而其声场的模拟在超声场模拟的研究中具有重要意义。
、、、、

人脸识别技术可以应用于基于网络的身份认证，我们实现了基于WebCam的人脸识别与跟踪系统。
本文以WebCam采集的视频流为数据源，截取视频流中的单帧图像，通过转换彩色空间、人脸肤色建模、后处理操作和人脸定位算法实现了人脸检测，并以此为基础实现了在视频流中对于人脸的跟踪。
试验结果表明，我们所实现的人脸识别算法适用于近距离人脸的检测，可以应用于基于WebCam的身份认证。

作　者：张思民著出版时间：2013丛编项：21世纪高等学校计算机基础实用规划教材《21世纪高等学校计算机基础实用规划教材：Android应用程序设计》是面向Android系统的初学者的入门教程，内容几乎涵盖了Android相关的所有技术。
本书大致可以分成两个部分，第一部分（第1～4章）主要介绍AndroidSDK开发环境的安装、应用程序的结构、用户界面的组件及其设计方法，第二部分（第5～10章）主要介绍较高级的主题，内容包括异常处理与多线程、后台服务与系统服务技术、图形与多媒体处理技术、数据库技术及输入／输出流的处理技术、网络通信技术、地图服务及传感器检测技术等。
《21世纪高等学校计算机基础实用规划教材：Android应用程序设计》在叙述上浅显易懂，对每一个知识点都配了相应的例题。
随书光盘中收录了本书所有例题的源代码、电子课件，以及本书大部分例题的视频教学录像。
《21世纪高等学校计算机基础实用规划教材：Android应用程序设计》可以作为高等院校及各类培训学校Android系统课程的教材，也可以作为学习Android程序设计的编程人员的自学用书。

目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测，技术本文总结了近十年来的深度学习目标检测算法

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。