-
hasse
通过Hasse matrices 和偏组合技术来进行化学计量研究的一个工具。(The Diversity/similarity measure based on Hasse matrices is a novel chemometric approach based on the partial ordering technique and the Hasse matrix)
- 2009-04-06 20:05:10下载
- 积分：1
-
直流稳压电源设计（包括整流，滤波，稳压等电路设计）
2011年全国电子设计大赛赛前培训 几乎所有的电子设备都需要稳定的直流电源，通常都是由交流电网供电，因此需要把交流电变成稳定的直流电。直流稳压电源就是把交流电经过整流变成脉动的直流电，然后通过滤波稳压转换成稳定的直流电的仪器。它由整流电路、滤波电路和稳压电路3部分组成。包括整流，滤波，稳压等电路设计
- 2020-12-12下载
- 积分：1
-
pk1.05ym
C#语言开发的自动排课系统，运行在ASP.NET软件上。(C# language to develop an automatic Timetable system software running on ASP.NET.)
- 2009-05-27 10:30:55下载
- 积分：1
-
基于深度学习人脸识别
人脸识别依赖于深度学习，识别率高达99.15%，值得学习。
- 2020-12-06下载
- 积分：1
-
图像拼接 综述与算法综述
图像拼接的综述、各种算法描述，算是对自己学习的一个交代均值滤波的方法是,对将处理的当前像素,选择一个模板,该模板为其邻近的若干像素组成,用模板中像素的均值来替代原像素的值。②中值滤波——中值滤波是基于排序统计理论的—种能有效抑制噪声的非线性信号处理技术。它的核心算法是将模板中的数据进行排序,这样,如果一个亮点(暗点)的噪声,就会在排序过程中被排在数据序列的最右侧或者最左侧,因此,最终选择的数据序列中见位置上的值一般不是噪声点值,由此便可以达到抑制噪声的目的这部分的算法很成熟,在FPGA上的实现也很多,也可以比较方便地找到参考算法的实现。12图像配准其实是四个要素的组合,即:1.选定特征空间——特征空间是由参与匹配的图像特征构成。特征可以为图像的灰度特征,也可以是边界、轮廓、显著特征(如角点、线交叉点、高曲率点)、统计特征(如矩不变量、中心)、高层结构描述与句法描述等;这儿其实是定义了配准的空间范围;2.相似性度量——评估待匹配特征之间的相似性,它通常定义为某种代价函数或者是距离函数;这儿是定义需要选定的某种算法3.搜索空间——待估计参数组成的空间就称为搜索空间。也就是说,搜索空间是指所有可能的变换组成的空间,这儿其实是定义了搜索算法的空间复杂度4.搜索策略—搜索策略是指用合适的方法在搜索空间中找出平移、旋转等变换参数的最优估计,使得相似性度量达到最大值,这儿其实是定义了搜索算法的时间复杂度;121基于区域的配准方法基于区域的配准方法——不检测图像中的特征,直接使用窗口或者整幅图像来进行配准从待拼接图像的灰度值出发,对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异,对此差异比较后来判断待拼接图像重叠区域的相似程度,由此得到待拼接图像重叠区域的范围和位置,从而实现图像拼接。也可以通过FFT变换将图像由时域变换到频域,然后再进行配准。对位移量比较大的图像,可以先校正图像的旋转,然后建立两幅图像之间的映射关系。总而言之,有很多不定,已经不是现在主流的研究方向。评价:基于区域的方法实现简单,应用范围较窄,它的局限性来源于它的基本思想。◇首先,它使用的矩形窗口只适用于配准平移变换的图像,如果图像有更复杂的变形,矩形奁口就不能覆盖参考图像和待匹配图像中的同一场景区域;◇另外,它依赖于窗口中的图像内容,当窗口中图像內容平滑而没有显著细节时,很容易引起与其他平滑区域的错误匹配。◇再次,在最优变换的搜索过程中往往需要巨大的运算量,且对噪声的影响和对比度的差异很敏感,鲁棒性不强。22基于特征的配准方法基于特征的图像配准方法有很多基本形式及其改进,其总体特点是:不直接利用图像像素值,而是通过像素值导出图像内容最抽象的描述和符号特征,并用此特征为匹配模板,查找几幅待配准图像的灰度局部最大值点、边界边缘轮廓、边缘点、边缘线段、组织(纹理)结构、角、顶点、拐点、交叉点、线段、封闭曲线等低级对应特征点及利用特征图像关系图等高级特征,构造方程组,通过数值计算得到变换数来进行图像对齐,进而确定两者的匹配位置,实现特征点、特征线段等的拼接,并且可以提高计算速度。基于特征的配准方法,一般分为四个步骤1.特征检测——从图像中检测出显著且独特的图像特征,包括闭合区域、直线段边缘、轮廓、点。2.特征匹配——相似性度量,确定图像之间特征的对应关系,又分为如下几小类)使用空域关系的方法②使用不变描述符的方法、③松弛方法、④金字塔和小波的方法3.变换模型的估计——变换函数选择和函数参数估计4.图像变换和重采样——可以通过前向或后向的方式来实现,插值的方法有最近邻插值、双线性插值、双三次函数插值、二次样条插值、三次B样条插值、高阶B样条插值评价基于特征的方法普遍适用于局部结构信息比灰度信息更显著的情况,能够处理图像之间复杂变形的情况,不足之处是特征检测困难且不稳定,最关键的一点是需要有一种判别力很强的、鲁棒的且对图像之间变化保持不变的特征匹配算法。13图像再投影基本方法:需要选择一个合成面,如果仅仅是只有几张图像进行拼接,一个普遍的方法是选择其中的一幅图像作为参考图像,然后把所有其他的图像都进行扭曲变形到参考图像的坐标系上去,这样合成的结果称为平面全景图,这是一个透视投影变换。为了减少投影失真,平面投影→圆柱面投影→球面投影→立方体投影13.1平面再投影选其中某一张图像为参考图像,然后把所有其它的图像进行扭曲变形,从而变换到参考图像的坐标系中去。由于这种模型本质上还足透视投影,因此图像在扭曲变形之后直线仍然还是直线。对丁大视场的图像拼接,平面投影方法会使得最终拼接图像在边缘出现扭曲过大的情况。在实际,当视场接近或超过90时,平面投影的拼接图像会有很大的失真。132柱面再投影圆柱面再投影非常适合于相机绕单一轴线旋转所得到的图像序列拼接,在这种情形下.在不同旋转角度得到的图像由完全的水平位移相关联。这一点很有意义,因为它避免了复杂的单应变换的计算,而且输出得到的图像没有平面再投影存在的扭曲。相反,场景中的直线被映射为正弦曲线。但是,这种方法需要对相机进行预先的标定,计算出相机的焦距和光心的偏移半标。133球面再投影球面再投影的优点是可以实现任意角度的旋转,但缺点是由于每个球面图像有多个相邻图像,因此在球面再投影中图像求交定位比较困难,而且很难找到一个与球面相对应且易于存取的数据结构。14图像融合技术在完成了两幅图像的配准之后,得到了两幅图像之间的变换矩阵,就可以确定它们之间的重叠区域,图像融合的任务就是把配准后的两帽图像根据配准的位置合并为一帼拼接图像。这一步主要包括了如何选择再投影合成面以及如何对两幅图像重叠区域的像素进行混合而得到一幅无缝且清晰的图像。所谓无缝,是指在图像拼接结果中,不应该看到两幅图像在拼接过程中留下的痕迹,即不能出现图像拼接缝隙。然而,由于待拼接的两咡图像分别是由不同的相机在同一时刻采集的,受相机固有因素的影响,采集得到图像的曝光率不可能完全一致,如果在图像的融合中,仅仅将两幅图像重叠区域简单地叠加起来,在它们的过渡区域必然会有明显的拼接缝隙。另一方面,在图像配准阶段所得到的图像之间的变换模型只是针对整个图像区域,对一些存在局部非规则形变的图像而言,全局变换模型在图像的局部区域可能不适用,而使得拼接图像的局部没有对齐,因此在拼接图像中会岀现局部模糊。如何处理图像融合过程中岀现的拼缝和模糊问题,实现真正意义上的无缝且清晰的图像,正是图像融合过程所要解决的问题。融合策略的选择应当满足两方面的要求拼合边界过渡应平滑,消除拼合接缝实现无缝拼接;2.尽量保证不因拼合处理而损失原始图像的信息图像融合可分为三类:像素级融合、特征级融合和决策级融合1.像素级(数据级)融合是在图像严格配准的条件下,直接进行像素关联融合处理;像素级融合是最基本的处理手段,也是硏究最多的—种,目前主要有以下几种方法平均值法②加权平均法③中值滤波法④多分辨率技术2.特征级融合是在像素级融合的基础上,使用模式相关、统计分析的方法进行目标识别、特征提取,并得到融合结果;3.決策级融合主要是基于认知模型的方法,采用大型数据库和专家决策系统,模拟人的分析、推理过程,以增加判决的智能化和可靠性。2参考资料1.硕士论文《門」001_图像拼接技术研究》2.硕士论文《門」_002_基于 Levenberg-Marquardt算法图像拼接硏究》3.硕土论文《門003_图像拼接技术研究》4.网页http://xgli0910.blog.163.com/blog/static/469621682009625831432275.科技论文《P」200基于角点特征的KLT跟踪全景图像拼接算法》6.本科论文《門』100图像边缘检测与提取算法的比较》7.http://www.cnblogs.com/xrwang/archive/2010/03/03/imagefeaturedetection html8.http://www.cnblogs.com/xrwang/archive/2011/03/09/ransac-1.html9.http://blog.163.com/pz124578@126/blog/static/2352269420122271004710910.http://blog.csdnnet/xuyuhua1985/article/details/637175111.http://www.openhw.org/project/index.php?act=view&id=185112.硕士论文《門」015多图像拼接算法研究》13.硕士论文《門010基于特征点图像拼接的配准算法硏究》14.http://blog.csdnnet/abcjennifer?viewmode=contents3图像拼接中的算法31图像预处理通过几何变形校正方法对采集到的图像进行校正后,可以使得相同景物在图像重叠区域所成的像有相同的形状和一致的空间相对位置。3.2图像特征检测图像特征检测包括如下几种类型的特征检测闭合区域2.轮廓和边绿区域3.角点4.线条321闭合区域闭合区域特征是通过图像分割的方法来检测到的,分割的精度会大大地影响配准的结果。近年来,选择尺度不变区域特征引起了关注,虚拟圆的思想来计算图像之间平移和尺度的变化,虚拟圆是一个半径最大的圆,这个圆所涵括的背景区域不包含边缘点,一对虚拟圆就足够求出平移和尺度的变化量,它相对于图像边缘特征来说鲁棒性更强,但缺点是易受局部变化的影响322边缘和轮廓边缘和轮廓——所谓边绿轮廓是指甚周围像素灰度有阶越变化或屋顶变化的那些像
- 2020-12-11下载
- 积分：1
-
MATLAB应用与实验教程[贺超英][程序源代码]
MATLAB应用与实验教程[贺超英][程序源代码]，配套教材使用，方便学习，尤其适合教学使用，方便
- 2020-12-09下载
- 积分：1
-
OpenCV中文参考手册
OpenCV中文参考文件，应用程序接口（API）中文参考资料al OpenCV参考手册·ΩpencⅤ编程简介(矩阵/图像/姒频的基本·Ω中文参考手册读写操作)入门必读· OpenCV概述1.图像处理2.结构分析CXCore中文参考手册3.运动分析与对象跟踪4.模式识别1.基础结构5.照相机定标和三维重建2.数组操作3.动态结构HgGU中文参考手册4.绘图函数5.数椐保存和运行时类型信息1. HighGUI概述6,其它混合函数2.简单图形界面7.錯误处理和系统函数3.读取与保存图傯4.视频读写数机器学习中文参考手册5.实用涵数与系统函数OpencⅤ编码样式指南(阅读 Opencv代码前必CIMage类参考手册读CiMage中的陷阱和BUGOpenCV的Phon接口Opengν编程简介(矩阵/图像/视频的基本读写操作)Wikipedia,自由的百科全书Introduction to programming with OpenCVOpencv编程简介作者: Gady AgamDepartment of Computer ScienceJanuary 27, 2006Illinois Institute of TechnologyUrl:http://www.cs.it.edu/ragam/cs512/lect-notes/opency-intro/opency-intro. html#SECTION00040000000000000000翻译: chenyusiyuanJanuary 26, 2010.http:/blog.csdn.net/chenyusiyuan/archive/2010/01126/5259060.aspx摘要:本文旨在帮助读者快速入门 Openc,而无需阅读冗长的参考手册。掌握了 Opencv的以下基础知识后,有需要的话再查阅相关的参考手册。目录[原]1二、简介o1.11、 Openc的特点1.1.1(1)总体描述(2)功能113(3) OpenCv模块122、有用的学习资源2.1(1)参考手册;122(2)网络资源1.23(3)书籍124(4)视瓶处理例程(在< openly-root>/ samples/c/)125(5)图像处理例程(在< openly-root>/ samples/c/0133、 openc命名规则2(2)矩阵数据类型:■1.33(3)图像数据类型134(4)头文件:o144、编译建议.14.1(lInux;1.4.2(2) Windowso155、C例程2二、GUI指令2.11、窗口管理2.1.1(1)创建和定位一个新窗口∶2.12(2)载入图像2.13(3)显示图後2.14(4)关团窗口2.15(5)改变窗o222、输入处理2.2.1(1)处理鼠标事件222(2)处理键盘事件■2.23(3)处理滑动条事件·3三、 OpenCV的基本数据结构o3.11、图像数据结构3.1.1322、知阵与向量3.2,1(1)矩阵3232).元批333、其它结构类型33.1(1)点332(2)矩框大小(以像素为精度)∵■333(3)矩形框的偏置和大4四、图像处理4,11、图像的内存分配与释放411(1)分配内存给一幅新图像4.1.2(2)释放图像■4.13(3)复制图像414(4)设置/获取感兴趣区域ROI415〈5)设置/获取感兴趣通道COI422、图像读写4.2,1(1)从文件中读入图像4.2.2(2)保存图o433、访回图像像素4.3.1(1)假设你要访间第k通道、翦列的像素43,2(2)间接访间;(通用,但效可访间任意格式的图像)433(3)直接访间:(效率高,但容易岀错)434(4)基于指针的直接访闻:(简单高效435(5)基于c++ wrapper的直接访间(更简单高效a444、图像转换441(1)字节型图像的灰度-彩色转换442(2)彩色图像->灰度图像44不同彩色空间之间的转換a455、绘图指令4.5,1(1)绘制矩形452(2)绘制圆形45.3(3)绘制线段454(4)绘制一组线段455(5)绘制组填充颜色的多边形:456(6)文本标注5五、矩阵处理o5,11、矩阵的内存分配与释放32(3)为新矩阵分配达存释放矩阵内存514(4)复制矩阵5,15(5)初始化矩阵5.1.6(6)初始化矩阵为单位矩阵522、访回矩阵元焘52.1(1)假设需要访间一个2D浮点型矩阵的第(i,j个单元,5.2.2(2)间接访间5.23(3)直接访间(假设矩阵数据按4宰节行对齐)524(4)直接访间(当数据的行对齐可能存在间隙时 possible alignment gaps)5,25(5)对于初始化后的矩阵进行直接i°533、矩阵/向量运算5.3,1(1)矩阵之间的运算532(2)矩阵之间的元素级运算:53,3(3)向量乘积534(4)单一矩阵的运535(5)非齐次线性方程求解■536(6)特征債与特征向量(矩阵为方阵)6六、视频处理611、从视频流中捕捉一帧画面61.2(2)Y支从摄像头或视频文件(AM格式)中捕捉帧画面6,11(1)open个摄像头捕捉器6,1,3(3)初始化一个祕频文件捕捉器614(4)捕捉一帧画面61.5(5)释放视频流捕捉o622、获取/设置视频流信息6,2.1(1)获取视频流设备信息6,2,2(2)获取帧图信息6,23(3)设置丛视频文件抓取的第一帧画而的位置∵633、保存视频文件6.3,1(1)初始化视频编写器6.3,2(2)保持视频文件63)释放视频编写器[编辑]简介[编辑]1、 OpenCV的特点[编辑](1)总体描述· Opencv是一个基于CC++语言的开源图像处理函数库其代码都经过优化,可用于实时处理图像具有良好的可移植性可以进行图像/视频载入、保存和采集的常规操作具有低级和高级的应用程序接口(API·提供了面向 Intel IPP高效多媒体函数库的接口,可针对你使用的 Intel CPU优化代码,提高程序性能(译注: OpenC2.0版的代码已显著优化,无需IPP来提升性能,故2.0版不再提供IPP接口)[编辑(2)功能图像数据操作(内存分配与释放,图像复制、设定和转换)Image data manipulation (allocation, release, copying, setting, conversion·图像/视频的输入输出(支持文件或摄像头的输入,图像/视频文件的输出)Image and video I/o (file and camera based input, image/video file output).矩阵/向量数据操作炇线性代数运算(矩阵乘积、矩阵方程求解、特征值、奇异值分解)Matrix and vector manipulation and linear algebra routines(products, solvers, eigenvalues, SVD)支持多种动态数据结构(链表、队列、数据集、树、图)Various dynamic data structures(lists, queues, sets, trees, graphs)·基本图像处理(去噪、边缘检测、角点检测、采样与插值、色彩变換、形态学处理、直方图、图像金字塔结构)Basic image processing(filtering, edge detection, corner detection, sampling and interpolation, colorconversion, morphological operations, histograms, image pyramids)·结构分析(连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化)Structural analysis(connected components, contour processing distance transform, various momentstemplate matching, Hough transform, polygonal approximation, line fitting, ellipse fitting, Delaunaytriangulation).·摄像头定标(寻找和跟踪定标模式、参数定标、基本矩阵估计、单应矩阵估计、立体视觉匹配)Camera calibration(finding and tracking calibration patterns, calibration, fundamental matrixestimation, homography estimation, stereo correspondence).·运动分析(光流、动作分割、目标跟踪)Motion analysis(optical flow, motion segmentation, tracking)目标识别(特征方法、HMM模型Object recognition(eigen-methods HMM)基本的GUI(显示图像/视频、键盘/鼠标操作、滑动条)Basic Gui (display image/ video keyboard and mouse handling, scroll-bars)图像标注(直线、曲线、多边形、文本标注)Image labeling(line, conic, polygon, text drawing[编辑](3) Opencvi模块cv-核心函数库Vaux-辅助函数库:e0机数线性代数作m|-机器学习函数库[编辑]2、有用的学习资源[编辑](1)参考手册:< opencv-root>/ docs/index. htm(译注:在你的 OpenCV安装目录< opencv-root>内)[编辑](2)网络资源:Etkmi:http:/www.intel.com/technology/computing/opencvl[编辑](3)书籍:Open Source Computer Vision Libraryby Gary R Bradski, Vadim Pisarevsky, and Jean-Yves Bouguet, Springer, 1st ed. (June, 2006)chenyusiyuan:补充以下书籍Learning OpenCV -Computer Vision with the OpenCV Libraryby Gary Bradski Adrian Kaehler, O Reilly Media, 1 st ed(September, 2008)OpenCv教程——一基础篇作者:刘瑞祯于仕琪,北京航空航天大学出版社,出版日期:200706(4)视频处理例程(在< opencv-root>/ samples/c/):·颜色跟踪: camshiftdemo点跟踪:| kemo动作分割: motel边缘检测: laplace[编辑](5)图像处理例程(在< opencv-root>/ samples/c/)边缘检测:edge图像分割: pyramid_ segmentation形态学: morphology直方图: demist距离变换: distrains椭圆拟合: fitellipse[编辑]3、 OpenCv命名规则[编辑](1)函数名CvActionTargetMod(.)Act⊥cn=核e functionality)(e.g. set, create)Targettarget image area) (e, g. contour, polygon)Modih (optional modifiers) (e.g. argument type)[编辑](2)矩阵数据类型:CV_(SIUIF)Cs=符号整型UE,q.:Cv_8UC1是指_个8位无符号整型单通道矩阵CV 32FC2是指一个32位浮点型双道道矩阵[编辑](3)图像数据类型:IPL_DEPTH_⊥nc1ude< VAux.h>include inc⊥ ude sinclude /一般不需要,cv,h内已包含该头文件[编辑]4、编译建议[编辑](1)Linux:g++ helloworld. cpp-o hello-worldI /usr/local/include/opencv -L /usr/local/liblm-Icv-highqui-Icvaux[编辑](2)Windows在Ⅵ visual studio的选项和项目牛设置好 OpenCv相关文件的路径。[编]5、C例程hello-worid. cpp/该程序从文件中读入一幅图像,将之反色,然后显示出来⊥nc1udeinclude ⊥nc1ude#include #include highgui.h>int main (int argc, char argv[IplImage* img=0int height, width, step, channelsuchar *datai. i,i,kif(argcheight iwidthimg->widthStepimg->widthstep ichannelsimg->channelsdata(uchar *)img->imageData iprint f("Processing a dx%d image with d channels", height, width, channels)create a windowcvNamedwindow("mainwin CV WINDOW AUTOSIZEcvMoveWindow ("mainwin", 100, 100)t the image相当于 caNot(img);for(i-o; isheighti 1++) for(j=; j
- 2020-12-10下载
- 积分：1
-
经典优化理论与应用合集(全局最优化,凸优化,数值优化及优化综述文章)
【实例简介】这里列出其中一些名堂:
1.[book] global optimization(全局最优化算法)
2.[book] numerical+optimization(数值最优化经典)
3.Convex Optimization Overview(凸优化技术综述)
4.Handbook of Global Optimization(全局优化手册
5.Introduction to Global Optimization 全局优化入门
.....
- 2021-11-01 00:33:52下载
- 积分：1
-
基于LabVIEW的车牌识别系统（直接运行）
基于LabVIEW实现的车牌识别系统，解压之后可直接运行可直接运行
- 2020-06-28下载
- 积分：1
-
RBF三种学习方法源码(k-means、梯度、OLS)
RBF三种学习方法源码(k-means、梯度、OLS)
- 2020-12-01下载
- 积分：1
