影像融合，包括基于高通滤波的加权融合和非加权融合、基于HIS变换的融合，其中基于HIS变换的融合需要较多时间，这是由于直方图匹配要花费很多时间，具体算法可以参考武大贾永红的《数字图像处理》一书
2024/5/12 9:27:19
91KB
1
针对同类多传感器测量中含有的噪声,提出了多传感器数据自适应加权融合估计算法,该算法不要求知道传感器测量数据的任何先验知识,依据估计的各传感器的方差的变化,及时调整参与融合的各传感器的权系数,使融合系统的均方误差始终最小,并在理论上证明了该估计算法的线性无偏最小方差性.仿真结果表明了本算法的有效性,其融合结果在精度、容错性方面均优于传统的平均值估计算法.
2024/3/14 6:54:06
191KB
1
针对群体情绪识别准确率的问题，结合卷积神经网络（CNN）与长短期记忆网络（LSTM），提出一种多流CNN-LSTM网络模型学习群体情绪的静态和动态特征。
以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。
最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。
实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。
以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。
最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。
实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。
2023/9/29 1:55:43
1.44MB
1
matlab实现影像融合，及精度评定。
加权融合、比值变换融合、乘积变换融合，评定方式有平均梯度、差分指数评定。
代码简洁有注释，运行速度30秒左右。
加权融合、比值变换融合、乘积变换融合，评定方式有平均梯度、差分指数评定。
代码简洁有注释，运行速度30秒左右。
2023/8/23 9:34:09
45.1MB
1
这是北京大学计算机系数字图像处理的实习题目。
在这个项目中，我们收获了很多。
把整个分类、特征提取、论文阅读等等都经历了。
这是我们组三个人共同的结果。
一． 项目综述本实验项目实现了基于内容的图像分类系统，系统共分为三大模块：特征提取部分和分类器训练与测试，以及界面展示。
在特征提取模块采用了HSV、CIE-LAB、RGB颜色特征，小波变换及灰度共生矩阵的纹理特征，基于canny算子不变矩的形状特征；
分类器我们选择了SVM、？对于不同特征的处理，我们采取了前期加权融合。
最后还有一个对各个特征分类结果的投票决策系统，但投票系统还没有用于最后结果的提交。
界面展示使用VisualC++6.0平台。
如果遇到任何问题，或者想转载，可以到我的主页留言：http://blog.sina.com.cn/gusui，或者直接给我来邮件：ouyangj0@gmail.com谢谢：）
在这个项目中，我们收获了很多。
把整个分类、特征提取、论文阅读等等都经历了。
这是我们组三个人共同的结果。
一． 项目综述本实验项目实现了基于内容的图像分类系统，系统共分为三大模块：特征提取部分和分类器训练与测试，以及界面展示。
在特征提取模块采用了HSV、CIE-LAB、RGB颜色特征，小波变换及灰度共生矩阵的纹理特征，基于canny算子不变矩的形状特征；
分类器我们选择了SVM、？对于不同特征的处理，我们采取了前期加权融合。
最后还有一个对各个特征分类结果的投票决策系统，但投票系统还没有用于最后结果的提交。
界面展示使用VisualC++6.0平台。
如果遇到任何问题，或者想转载，可以到我的主页留言：http://blog.sina.com.cn/gusui，或者直接给我来邮件：ouyangj0@gmail.com谢谢：）
2023/6/6 15:52:56
1.56MB
1
在VC下对遥感图像进行处理，内容实现比较丰富，包括：灰度与彩色图像的线性拉伸，直方图均衡，旋转缩放平移，RGB-＞HIS,HIS-＞RGB,彩色图像灰度化,W伪彩色加强，腐蚀，膨胀，开闭运算，五种植被指数，变化检测（比值法，灰度分割法，相关系数法），空间域加权融合，不加权融合，HIS融合，K均值分类附有测试图片，可对灰度图与彩色图进行处理
2018/4/4 7:51:07
3.4MB
1
在VC下对遥感图像进行处理，内容实现比较丰富，包括：灰度与彩色图像的线性拉伸，直方图均衡，旋转缩放平移，RGB-＞HIS,HIS-＞RGB,彩色图像灰度化,W伪彩色加强，腐蚀，膨胀，开闭运算，五种植被指数，变化检测（比值法，灰度分割法，相关系数法），空间域加权融合，不加权融合，HIS融合，K均值分类附有测试图片，可对灰度图与彩色图进行处理
2015/4/24 3:06:24
3.4MB
1
根据分布式压缩感知理论,提出一种宽带协作频谱感知的方式。
该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。
同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。
该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。
仿真结果表明:与经典的DCS-SOMP算法相比,本文算法功能更优,所需的滤波器数更少。
该方式相比于以往的协作压缩频谱感知方式,认知用户传向融合中心的数据精简为压缩信号,各个压缩信号在融合中心进行融合重构,这样就减少传向融合中心的数据量,缓解融合中心的数据压力,并且可以提高信号重构的成功率。
同时,根据压缩抽样匹配追踪算法,提出一种联合压缩抽样匹配追踪算法。
该算法思想是通过加权融合测量样本、迭代重构原信号,以恢复共同的频谱支撑集,完成协作频谱感知。
仿真结果表明:与经典的DCS-SOMP算法相比,本文算法功能更优,所需的滤波器数更少。
2021/9/8 14:25:08
357KB
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