从理论上推导了数字图像相关(DIC)方法中应变精度的影响因素,指出应变计算精度会随着窗口尺寸的变小而下降。
为了提高图像有效分辨率,针对细长平面试件提出了一种二维多相机全场DIC方法。
该方法根据特征点检测及匹配算法定位特征点对的亚像素位置,通过DIC方法对特征点对进行高精度配准,利用发展的逐步优化单应矩阵方法求解图像变换关系,得到变形前后的无缝拼接图像。
分别实施了纯平移和橡胶梁三点弯两组实验。
在纯平移实验中,该方法计算得到的应变均值误差及均方根误差均在50με以内,验证了该方法的有效性;采用橡胶梁三点弯实验对比该方法与三维多相机全场DIC方法,并基于实验结果对该方法的优点与缺点进行了分析。
2023/10/1 21:30:34 11.59MB 测量 二维数字 多相机 全场变形
1
编程实现如下功能:1、在实验六的基础上,实现串的Brute-Force模式匹配算法。
2、尝试实现串的KMP模式匹配算法。
2023/9/18 5:41:52 4KB 数据结构 Java BF算
1
一种常用的去除误匹配的算法,在matlab环境下运行,具有较好的效果
2023/9/16 5:42:53 222KB 去除误匹配 matlab
1
这是一篇全英文的数字图像匹配算法,介绍非常详细。
因为该文档里面的内容是从官方网站扫描成PDF的,所以公式有点不清晰,但是不要紧,我个人做了一篇PPT,里面有各种公式。
1
SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。
2023/8/9 4:24:46 705KB ASIFT算法 SIFT算法
1
《数据结构(C语言版第2版)》严蔚敏实验四基于字符串模式匹配算法的病毒感染检测问题,含实验报告
2023/7/25 2:15:23 152KB 数据结构实验 字符串模式匹配
1
Harris是一种高效的角点检测算法,但不具备尺度不变性。
SURF(speeded-uprobustfeatures)算法虽然能很好地解决图像尺度变化问题,但是在特征点提取方面没有Harris稳定。
针对Harris和SURF两种算法的特点,提出一种新的Harris-SURF特征点提取算法。
首先用Harris算法检测图像角点,再用SURF算法提取图像特征点;
然后合并角点和特征点,并剔除重复点获得新的特征点集,确定新特征点的主方向并生成特征描述符,再对图像使用比值法进行初匹配;
最后利用RANSAC剔除错误匹配点实现精确匹配。
实验结果表明,该算法对图像存在旋转、缩放、光照及噪声变化有较强的鲁棒性,同时提高了运行效率。
1
BM算法被认为是亚线性串匹配算法,它在最坏情况下找到模式所有出现的时间复杂度为O(mn),在最好情况下执行匹配找到模式所有出现的时间复杂度为O(n/m)。
2023/7/1 10:20:04 147KB BM模式匹配算法-原理(图解)
1
KMP中文字符匹配算法的C++实现
2023/6/4 12:47:39 1.65MB kmp c++ 匹配算法
1
图像中角点(特色点)提取与匹配算法,本文所付与的角点检测算法是Harris角点检测算法,该算法的底子原理是取以目的像素点为中间的一个小窗口,盘算窗口沿任何倾向挪动后的灰度变更,并用剖析方式表白。
2023/5/14 12:21:32 3.33MB 角点 特征点 匹配算法
1
共 77 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