图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点,如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数,取搜索区中相关系数最大所对应的窗口中心点作为同名点。
其实质是在基元相似性的条件下,运用匹配准则的最佳搜索问题。
2023/11/25 1:16:21 5.57MB opencv
1
基于Python3.7实现人脸图像特征提取与对比,调用NMF算法和PCA算法。
包括源程序和结果图片。
2023/11/25 1:48:53 113KB NMF PCA 源程序 Python
1
肤色特征是人体表面的重要特征,在人脸检测与识别、基于内容的不良图像过滤系统中有着重要的地位。
分析了YUV颜色空间系统的特点,提出了一种基于椭圆区域的皮肤模型,将该模型应用于基于内容的不良图像过滤系统的皮肤检测部分中。
实验表明,利用该模型进行皮肤检测能够达到很好的效果。
2023/11/24 14:17:32 174KB 彩色空间 肤色 皮肤检测 肤色模型
1
本课题主要应用非欧氏距离进行距离变换,针对于不同特征的二值图像,每种距离变换可以选用不同权值的模版进行目标的骨架抽取。
其效果的优劣在与欧式距离的误差和运算速度的快慢之间权衡。
2023/11/24 7:57:51 2KB 骨架
1
在长流程浮选过程中,生产指标难以在线检测,造成操作不及时,影响系统的稳定运行.本文提出了一种基于多源数据的铝土矿浮选过程生产指标集成建模方法.首先结合浮选机理和现场工人经验,分析影响和反映生产指标的多源数据(生产数据和泡沫图像特征数据);然后分别建立各生产指标预测子模型和同步误差补偿子模型;最后采用信息熵和智能协调策略分别构建精矿品位和尾矿品位的集成预测模型.工业验证和工况分析表明,本文集成建模方法具有良好的预测性能和较强的泛化性,为基于生产指标的浮选过程操作参数控制和全流程优化奠定基础.
1
将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。
彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有255中值可取,这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围。
而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。
灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
图像的灰度化处理可用两种方法来实现。
第一种方法使求出每个像素点的R、G、B三个分量的平均值,然后将这个平均值赋予给这个像素的三个分量。
2023/11/22 3:24:56 20KB C#
1
据血管序列切片的二值图像特征,利用MATLAB丰富的矩阵运算和图像处理命令,将血管三维重建过程分成半径搜索、交点定位和轴线拟合三个主要步骤,并编制通用M程序包实现从数据采集到模型渲染的全程自动计算.最后应用给出的方法完成了对100张序列切片图像的计算机三维重建.
2023/11/21 11:48:12 4KB 血管 三维重建 Matlab
1
实体关系抽取作为信息抽取、自然语言理解、信息检索等领域的核心任务和重要环节,能够从文本中抽取实体对间的语义关系.近年来,深度学习在联合学习、远程监督等方面上的应用,使关系抽取任务取得了较为丰富的研究成果.目前,基于深度学习的实体关系抽取技术,在特征提取的深度和模型的精确度上已经逐渐超过了传统基于特征和核函数的方法.围绕有监督和远程监督两个领域,系统总结了近几年来中外学者基于深度学习的实体关系抽取研究进展,并对未来可能的研究方向进行了探讨和展望.
2023/11/21 3:24:24 1.85MB 深度学习 实体关系
1
谁都不愿意只身一人呆在山间小屋或孤零零地下室里埋头工作。
创建产品的过程中,我们每个人都需要与他人合作良。
好的合作是保证你的用户体验解决方案能够提升产品价值并获得成功的关键特征。
合作会更加有效,但是最重要的是,这可以确保你的设计能够同时满足用户和客户的需求。
就像那些已经在用户体验这个领域工作了数十年的人一样,我受到过六种开发方法的训练,完成了150多个敏捷项目,但这些天有一样东西令我很困惑,就是术语瀑布。
在前敏捷时代,我从未在声称过自己正在做瀑布开发的机构里工作过。
如果我当时听到某个团队是“将设计投到墙上”时,现在我也会做出和他们当初一样的做法,一定要嘲弄回来吧。
产品开发——至少对于那些任何人都
1
Gabor滤波器纹理特征提取opencv2以上版本C++
2023/11/20 22:20:54 3KB Gabor滤波器 纹理特征 opencv C++
1
共 1000 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