欧美成人午夜精品免费福利,67pao强力打造国产免费

一種基于分配的車隊自組網(wǎng)節(jié)點接入機制

通過分析自組網(wǎng)中不同接入機制對網(wǎng)絡通信性能產(chǎn)生的影響，根據(jù)車隊自身的特點，針對車隊自組網(wǎng)的組織形式提出了一種基于分配的節(jié)點接入機制。該機制將競爭信息與業(yè)務信息相分離，有效地克服了車隊自組網(wǎng)中競爭信息對正常業(yè)務信息造成干擾的問題，提高了車隊通信的性能

發(fā)表于：2/22/2016

IHS 2016年柔性OLED需求將大幅攀升

IHS稱，隨著三星Galaxy Edge系列手機和蘋果手表的大賣，柔性AMOLED的需求正大幅度上升，顯示器制造商正積極擴大產(chǎn)能和柔性OLED技術的投資。

發(fā)表于：2/22/2016

智能投影干倒智能電視有幾分勝算

九十年代時，電視機成為結(jié)婚必備的三大件之一，它在人們生活中的地位可見一斑。不過隨著新生代消費群體的成長壯大，主流消費群體對娛樂顯示設備智能化程度、娛樂功能的多樣化以及視覺體驗感等都有了更高的需求，而普通液晶電視顯然無法完全滿足這類消費者。

發(fā)表于：2/22/2016

基于小波分解的分層自適應圖像增強

針對具有豐富紋理細節(jié)的圖像的增強，本文提出了一種基于小波低頻自適應分層的算法。該算法根據(jù)圖像小波分解的低頻部分計算出相應的對比度信息，以實現(xiàn)自適應分層，然后依據(jù)分層的結(jié)果確定自適應增強函數(shù)，最后達到不同程度的增強效果。通過實際的實驗表明，所提出的基于小波分解的分層自適應增強算法對具有豐富紋理細節(jié)的圖片具有較好的增強效果，能夠有效地提高圖像質(zhì)量。

發(fā)表于：2/21/2016

基于雙重輪廓演化曲線的相似圖像組分割模型

ACGS（Active Contours With Group Similarity）模型在CV模型的基礎上結(jié)合了矩陣的低秩性約束，能較好地分割目標特征缺失或錯誤的相似圖像組，但對于灰度不均的相似圖像組分割效果較差。而雙重輪廓演化曲線的圖像分割水平集模型在LBF模型的基礎上引入了目標內(nèi)外兩條輪廓曲線，很好地克服了LBF模型對于初始輪廓的敏感性，對于灰度不均的單張圖像分割效果較好。受此啟發(fā)，本文提出了基于雙重輪廓演化曲線的活動輪廓模型來分割相似圖像組。該模型首先結(jié)合LBF模型來更好地分割灰度不均的圖像；其次利用ACGS模型的低秩性質(zhì)來保持圖像間的相似程度，從一定程度上改善了LBF模型在能量函數(shù)最小化時易陷入局部極小值的情形；最后引入目標內(nèi)外的兩條輪廓曲線

發(fā)表于：2/21/2016

貓群算法仿生計算在圖像聚類分析中的應用

針對傳統(tǒng)優(yōu)化算法在圖像聚類分析中存在的復雜度高、容易陷入局部最優(yōu)解的問題，提出了使用貓群算法求解圖像聚類問題。該算法通過分組和混合策略的機制進行信息傳遞，用貓記憶當前群體中的全局最優(yōu)解來更新自身，提高了算法的搜索能力；闡述了貓群算法的搜尋模式和跟蹤模式，討論了兩種模式下貓群的速度、位置更新公式；并說明了利用該算法求解圖像聚類分析問題的具體步驟。通過實驗驗證了貓群算法在圖像聚類分析中的有效性和準確性。

發(fā)表于：2/21/2016

一種硬件加速OpenCV的圖像處理方法研究

研究了一種基于Vivado HLS加速OpenCV程序的方法，其核心是利用Xilinx高層次綜合工具Vivado HLS，將C++編寫的OpenCV程序按照Vivado HLS處理規(guī)范進行修改，進而將代碼轉(zhuǎn)換為硬件描述語言，可快速生成IP核。結(jié)合Xilinx Zynq SoC架構和其視頻圖像處理方面的優(yōu)勢，通過軟硬件協(xié)同的方法，實現(xiàn)OpenCV程序算法向高性能處理平臺Zynq SoC系統(tǒng)的移植和加速。該方法對圖像處理軟件設計的硬件化加速具有重要的應用價值。

發(fā)表于：2/21/2016

基于光學特性及其線性約束的圖像檢測算法

基于圖像紋理和陰影的信息判斷物理光學特性，根據(jù)該特性是否一致提出一種檢測圖像真實性的算法。通過建立線性規(guī)劃方程限定楔形方向和角度，并運用共軛梯度法去判定正確的紋理信息。紋理限定的光源位置或楔形的交集都可以作為判定圖像真實性的依據(jù)。結(jié)合陰影和紋理的約束條件，使得楔形的參數(shù)更加精確。實驗結(jié)果顯示，所建立的算法可以正確顯示光源的信息和圖像中物體的光學特性，并判斷圖像是否被篡改。

發(fā)表于：2/21/2016

LED照明閉環(huán)控制系統(tǒng)的設計與實現(xiàn)

為了節(jié)能和智能控制燈光，構建了一個以STC12C5410AD單片機為核心的LED照明閉環(huán)控制系統(tǒng)，實現(xiàn)了對白光LED照明的閉環(huán)控制功能。該系統(tǒng)利用光敏電阻實時采集環(huán)境光線強度，自動調(diào)節(jié)白光LED亮度；采用A/D轉(zhuǎn)換將光線強度的模擬量轉(zhuǎn)化為數(shù)字量；采用I/O口實現(xiàn)對LED的PWM功率控制；采用電流驅(qū)動，電流步距可調(diào)的方式來調(diào)節(jié)白光LED。通過測試表明，該系統(tǒng)提高了照明環(huán)境的品質(zhì)，具有電路簡單、可靠性強的優(yōu)點。

發(fā)表于：2/21/2016

基于SVD的經(jīng)編賈卡織物圖像檢索

為了充分利用經(jīng)編賈卡織物圖像的廣泛資源，探索“互聯(lián)網(wǎng)+”背景下紡織企業(yè)的信息化道路，探討了織物圖像智能檢索系統(tǒng)的開發(fā)設計。根據(jù)現(xiàn)有方法特征維數(shù)過高的不足，提出了運用奇異值分解的方法進行織物圖像檢索，并使用相關系數(shù)作為織物圖像間相似度的測量。最后在MFC框架下，運用OpenCV開源視覺庫進行了整體的設計與實現(xiàn)。實驗結(jié)果表明，該方法對于賈卡經(jīng)編織物檢索速度快，準確度高，具有一定的實用價值。

發(fā)表于：2/20/2016

基于改進協(xié)方差矩陣的半色調(diào)圖像分類研究

針對半色調(diào)圖像分類中只存在0和1的特點，提出了一種基于改進的協(xié)方差矩陣在半色調(diào)圖像中的分類方法。根據(jù)協(xié)方差矩陣在實現(xiàn)半色調(diào)圖像分類中個數(shù)少且并未體現(xiàn)其局部和全局信息的特性，對協(xié)方差矩陣的底層特征進行改進。利用樣本的局部特性和核密度估計方法，實現(xiàn)黎曼流形上的貝葉斯分類策略。實驗中研究協(xié)方差矩陣的底層特征與傳統(tǒng)協(xié)方差矩陣的特征提取方法并對其進行分類性能比較。實驗結(jié)果表明，在半色調(diào)圖像分類中，與傳統(tǒng)的協(xié)方差矩陣相比較，改進的協(xié)方差矩陣提取出的特征在分類中平均錯誤分類率更低

發(fā)表于：2/20/2016

改進Retinex算法對特殊環(huán)境下的車牌圖像增強研究

針對特殊環(huán)境（霧天、傍晚）下車牌圖像由于光線暗淡而使得識別效果明顯下降的問題，提出一種使用改進的Retinex算法（五尺度Retinex算法）與冪函數(shù)和雙邊濾波相結(jié)合對特殊環(huán)境下的車牌圖像進行增強的算法。首先用冪函數(shù)對霧天、傍晚環(huán)境下的車牌圖像進行處理，再采用雙邊濾波處理，最后經(jīng)過五尺度Retinex算法處理。與傳統(tǒng)Retinex算法相比，所提出的算法取得了較好的對特殊環(huán)境下的車牌圖像增強的效果，改善了車牌圖像的視覺效果，并且處理時間較短，對現(xiàn)實生活具有可觀的實際意義。

發(fā)表于：2/20/2016

基于圖像一致性計算的目標識別算法

視覺計算模型集合了人類視覺系統(tǒng)（HVS）的復雜特征，并模擬了視覺輸入的分層感知表達。自底向上機制是現(xiàn)代模型中最常見的特征，是指無意識的注意，所提出的一致計算方法模擬自底向上視覺注意，并通過一致區(qū)域的計算來達到目標識別的目的。所提模型主要基于對HVS行為的目前的理解，使用對比敏感度函數(shù)、感知分解、視覺掩蔽形成一個神經(jīng)性視覺空間，并在此基礎上使用center-surround交互、感知編組和顯著圖的建立來得到最終的顯著圖。所提模型的性能通過使用自然圖像來進行評估，并將其結(jié)果與參照的經(jīng)典的自底向上模型進行對比，結(jié)果表明該模型實效性高。

發(fā)表于：2/20/2016

基于Tri-training的圖像多特征融合目標分類

在對目標進行分類識別過程中，對其特征的有效提取直接影響最后分類的精度。針對此類問題，提出了基于Tri-training算法對圖像進行多特征融合分類，通過利用Principal Component Analysis（PCA）主成分分析法，并結(jié)合目前比較實用的半監(jiān)督學習Tri-training算法對圖像顯著目標進行分類，其中Tri-training算法是以Support Vector Machine（SVM）、Na?觙ve Bayes（NB）、Back Propagation（BP）為基分類器，將圖像的多特征數(shù)據(jù)值作為圖像在Tri-training分類器的輸入對分類器進行訓練和測試。實驗表明，在進行了有效的預處理之后，再對樣本進行多特征融合在一定程度上明顯提高了分類精度。

發(fā)表于：2/20/2016

基于雙目立體視覺的圖像增強

戶外視覺系統(tǒng)采集圖像時，容易受到低照度等因素的影響，導致捕獲的圖像退化，視見度降低。本文提出了一種基于雙目立體視覺的圖像增強算法。該算法首先通過立體匹配處理求解場景視差圖像，然后構建廣義雙邊濾波估計圖像照度分量，根據(jù)Retinex原理求解圖像反射分量，實現(xiàn)圖像的增強。實驗證明，該算法能夠有效地改善圖像質(zhì)量，提高雙目視覺系統(tǒng)工作的魯棒性和可靠性。

發(fā)表于：2/19/2016