一种基于行列像素置乱和logistic混沌序列扩散的彩色图像视觉安全算法。
加密部分首先通过对明文图像的像素进行行列置乱，然后对置乱后的图像进行R、G、B分解，之后利用混沌序列扩散对分解得到的三分量进行加密，最初分别嵌入经过离散小波变换的载体图像R、G、B分层中，从而获得视觉安全的载密图像。
解密部分首先对载密图像进行R、G、B分解，然后对R、G、B三分量分别进行离散小波变换，之后从经过离散小波变换的三分量中提取载密三分量，对载密三分量进行异或操作并合成，最初把合成后的图像执行行列像素的反置乱得到明文图像。
加密部分首先通过对明文图像的像素进行行列置乱，然后对置乱后的图像进行R、G、B分解，之后利用混沌序列扩散对分解得到的三分量进行加密，最初分别嵌入经过离散小波变换的载体图像R、G、B分层中，从而获得视觉安全的载密图像。
解密部分首先对载密图像进行R、G、B分解，然后对R、G、B三分量分别进行离散小波变换，之后从经过离散小波变换的三分量中提取载密三分量，对载密三分量进行异或操作并合成，最初把合成后的图像执行行列像素的反置乱得到明文图像。
2023/2/11 23:42:36
2.55MB
1
计算机视觉的基本问题是：根据若干幅世界景物的图像求得对真是世界景物结构的理解。
本书处理这个基本问题所采用的技术源于射影几何和摄影测量学。
其与众不同的特色是采用未标定的方法——不需要知道或不必计算摄像机内部参数就能得到问题的答案。
本书以一个统一的框架，对近期关于景物重构的理论和实现两方面的主要发展做了详细的介绍。
本书涵盖了摄像机投影矩阵、基本矩阵和三焦点张量的集合原理和它们的代数表达。
在讨论这些有关的理论和计算方法时都配有实际的例子，如它们在由多幅图像进行景物重构中的应用。
作者提供了综合性的背景材料，读者只要熟悉线性代数和基本的数值方法就能够理解书中给出的射影几何和估计算法，并能直接依据本书来实现有关算法。
本书处理这个基本问题所采用的技术源于射影几何和摄影测量学。
其与众不同的特色是采用未标定的方法——不需要知道或不必计算摄像机内部参数就能得到问题的答案。
本书以一个统一的框架，对近期关于景物重构的理论和实现两方面的主要发展做了详细的介绍。
本书涵盖了摄像机投影矩阵、基本矩阵和三焦点张量的集合原理和它们的代数表达。
在讨论这些有关的理论和计算方法时都配有实际的例子，如它们在由多幅图像进行景物重构中的应用。
作者提供了综合性的背景材料，读者只要熟悉线性代数和基本的数值方法就能够理解书中给出的射影几何和估计算法，并能直接依据本书来实现有关算法。
2023/2/11 14:02:07
108.35MB
1
在人类大脑的大致启发下，经过大量数据训练的深层神经网络可以以前所未有的精度解决复杂的任务。
本实用书提供了TensorFlow的端到端指南，TensorFlow是领先的开源软件库，可协助您构建和训练神经网络，用于计算机视觉、自然语言处理（NLP）、语音识别和一般预测分析。
作者TomHope、YehezkelResheff和ItayLider为从数据科学家和工程师到学生和研究人员的广大技术受众提供了一种实践性的TensorFlow基础方法。
在深入讨论诸如神经网络架构、TensorBoard可视化、TensorFlow抽象库和多线程输入管道等主题之前，您将首先学习TensorFlow中的一些基本示例。
完成本书后，您将知道如何在TensorFlow中构建和部署生产就绪的深度学习系统。
本实用书提供了TensorFlow的端到端指南，TensorFlow是领先的开源软件库，可协助您构建和训练神经网络，用于计算机视觉、自然语言处理（NLP）、语音识别和一般预测分析。
作者TomHope、YehezkelResheff和ItayLider为从数据科学家和工程师到学生和研究人员的广大技术受众提供了一种实践性的TensorFlow基础方法。
在深入讨论诸如神经网络架构、TensorBoard可视化、TensorFlow抽象库和多线程输入管道等主题之前，您将首先学习TensorFlow中的一些基本示例。
完成本书后，您将知道如何在TensorFlow中构建和部署生产就绪的深度学习系统。
2023/2/11 12:51:50
13.33MB
1
一：课题题目基于MATLAB霍夫曼的车道线检测系统二、背景引见针对汽车自主驾驶技术的车道检测和跑偏告警问题，提出了一种快速可靠的视觉计算方法。
利用方向滤波算子对路面图像进行5×5模板运算，得到边缘图像；
采用Otsu自动阈值算法对图像进行二值化处理，并根据车道在图像中的位置特性对边沿图像细化去点，减少后续处理运算量；
在此基础上，根据车道几何特性引入约束条件，去除干扰点，并采用Hough变换检测出车道线；
依据针孔摄像机模型建立空间坐标系，用于计算汽车相对于车道线的偏转角和垂直距离，估计驶离车道的时间，为汽车自主驾驶中的安全预警及智能控制提供信息支撑。
三、GUI界面设计及运行示意图
利用方向滤波算子对路面图像进行5×5模板运算，得到边缘图像；
采用Otsu自动阈值算法对图像进行二值化处理，并根据车道在图像中的位置特性对边沿图像细化去点，减少后续处理运算量；
在此基础上，根据车道几何特性引入约束条件，去除干扰点，并采用Hough变换检测出车道线；
依据针孔摄像机模型建立空间坐标系，用于计算汽车相对于车道线的偏转角和垂直距离，估计驶离车道的时间，为汽车自主驾驶中的安全预警及智能控制提供信息支撑。
三、GUI界面设计及运行示意图
2023/2/9 15:40:57
18.39MB
1
最大派系问题是组合优化中经典而重要的问题，在信息抽取、信号传输、计算机视觉、社会网络及生物信息学等众多领域有着重要的使用。
现在根据派系的邻居信息提出1钟基于派系顶点和邻接边的派系过滤算法，来求解最大派系问题。
现在根据派系的邻居信息提出1钟基于派系顶点和邻接边的派系过滤算法，来求解最大派系问题。
2023/2/9 4:53:52
4.78MB
1
目标识别是计算机视觉一个重要的研究领域，由此延伸出的车辆型号识别具有重要的实际应用价值，特别是在当今交通状况复杂的大城市，智能交通系统成为发展趋势，这离不开对车辆型号进行识别和分类的工作，本文围绕如何利用计算机视觉的方法进行车辆型号的识别和分类展开了一系列研究：本文对当前的目标识别和分类的特征和算法做了总结和归纳。
分析比较了作为图像特征描述常见的特征算子，总结归纳了他们的提取方法、特征功能以及相互之间的关联。
另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作方法。
研究了深度神经网络的理论依据，分析比较了深度神经网络不同的特征学习方法，以及卷积神经网络的训练方法。
分析比较不同特征学习方法的特点选取k-means作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型，进行车辆车型识别工作。
本文为了测试基于深度学习的车辆型号分类算法的功能在30个不同型号共7158张图片上进行实验；
并在相同数据上利用改进了的SIFT特征匹配的算法进行对比实验；
进过实验测试，深度学习方法在进行车型分类的实验中取得94%的正确率，并在与SIFT匹配实验结果对比后进一步证实：深度学习的方法能够应用在车辆型号识别领域
分析比较了作为图像特征描述常见的特征算子，总结归纳了他们的提取方法、特征功能以及相互之间的关联。
另外，介绍了在目标识别工作中常用的分类方法,阐述了他们各自的原理和工作方法。
研究了深度神经网络的理论依据，分析比较了深度神经网络不同的特征学习方法，以及卷积神经网络的训练方法。
分析比较不同特征学习方法的特点选取k-means作为本文使用的特征学习方法，利用卷积神经网络结构搭建深度学习模型，进行车辆车型识别工作。
本文为了测试基于深度学习的车辆型号分类算法的功能在30个不同型号共7158张图片上进行实验；
并在相同数据上利用改进了的SIFT特征匹配的算法进行对比实验；
进过实验测试，深度学习方法在进行车型分类的实验中取得94%的正确率，并在与SIFT匹配实验结果对比后进一步证实：深度学习的方法能够应用在车辆型号识别领域
2023/2/8 8:49:32
4.2MB
1
基于视觉的智能车模糊PID控制算法，基于freescale公司的16位HCS12单片机设计一种智能车零碎。
零碎摄像头采集路径信息，通过单片机的模糊推理机在线整定PID参数，使小车能按照任意给定的黑色引导线平稳地寻迹。
零碎摄像头采集路径信息，通过单片机的模糊推理机在线整定PID参数，使小车能按照任意给定的黑色引导线平稳地寻迹。
2023/2/8 1:43:36
167KB
1
中科院（亚洲人）人脸数据集[计算机视觉人脸辨认]该资源共有500组图片数据，每组数据有5份，共计2500份训练数据。
分别为part1(1-99)、part2(100-199)、part3(200-299)、part4(300-399)、part5(400-499)；
因数据量过大，分5次上传，欢迎大家下载。
分别为part1(1-99)、part2(100-199)、part3(200-299)、part4(300-399)、part5(400-499)；
因数据量过大，分5次上传，欢迎大家下载。
2023/2/6 20:46:11
185.16MB
1
Halcon机器视觉编程算子详解，对于新手入门和高手查询都很有协助。
资料中有常用的算子中文说明和算子用法，欢迎广大通道中人一起学习交流，提高机器视觉的技能，走向人生巅峰
资料中有常用的算子中文说明和算子用法，欢迎广大通道中人一起学习交流，提高机器视觉的技能，走向人生巅峰
2023/2/6 5:04:08
63.08MB
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