1.用MATLAB函数实现二值图像信息隐藏2.用MATLAB函数实现二值图像隐藏信息的提取3.分析阈值R0，R1以及健壮参数λ对实验结果的影响
2025/2/1 1:25:23
101KB
1
针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象，提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像，以有效地去除图像中的噪声，然后计算梯度算子的幅值和方向，最后用极大值抑制和高低阂值的方法检测及连接图像的边缘。
实验结果表明，改进的算法提高了边缘检测准确性，获得比较理想的边缘检测效果。
实验结果表明，改进的算法提高了边缘检测准确性，获得比较理想的边缘检测效果。
2025/1/27 2:38:42
204KB
1
本问主要以预测秦皇岛煤炭价格为目标，通过问题一中不同因素对其影响权重的大小以及神经网络算法，建立价格预测模型。
BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。
此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。
BP神经网络模型处理信息的基本原理是：输入信号，通过中间节点（隐层点）作用于输出节点，经过非线性变换，产生输出信号，网络训练的每个样本包括输入向量和期望输出量t，网络输出值y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的连接强度值和隐层节点与输出节点之间的连接强度以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。
此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线性转换的信息。
2025/1/24 21:36:25
278KB
1
利用OPENCV对视频进行阈值二值化边缘阈值化操作，对处理好以后的视频进行合成视频，很好用噢
2025/1/16 10:34:42
6.22MB
1
在多种光源的45°/0°照明观测条件下,提出了一种测量金属涂料闪光效果的评价方法和开发了测量装置。
根据不同的色彩分布和闪光等级,选取39张金属漆色卡并构建了测试样本库。
对采集样本的多光谱图像进行校正,以符合不同光源下观察者的视觉响应。
通过设定与图像相关的阈值分离闪光点和背景,以BYKmac的测试数据为标准进行标定,得到了闪光面积、闪光强度和闪光等级算法。
在D65和A光源照明条件下,进一步比较实验装置对样本闪光等级的测量结果与视觉评价数据的相关性。
实验结果表明:在D65光源下,实验装置和人眼数据相关系数为0.848;在A光源下,实验装置和视觉数据的相关系数为0.851。
实验装置的测量效果优于现有的测量设备。
根据不同的色彩分布和闪光等级,选取39张金属漆色卡并构建了测试样本库。
对采集样本的多光谱图像进行校正,以符合不同光源下观察者的视觉响应。
通过设定与图像相关的阈值分离闪光点和背景,以BYKmac的测试数据为标准进行标定,得到了闪光面积、闪光强度和闪光等级算法。
在D65和A光源照明条件下,进一步比较实验装置对样本闪光等级的测量结果与视觉评价数据的相关性。
实验结果表明:在D65光源下,实验装置和人眼数据相关系数为0.848;在A光源下,实验装置和视觉数据的相关系数为0.851。
实验装置的测量效果优于现有的测量设备。
2025/1/1 12:30:22
6.94MB
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