关键词： COM组件   二维数组   速度分析  

摘要： 首先介绍基于COM技术的VC与MATLAB混合编程的一般链接方法,然后根据数字图像处理中的实际需求,详细讨论多维数组中数据在VC及MATLAB间相互传输的过程,最后对算法在两个编译器中不同的运算速度进行比较。工程应用结果表明基于COM技术的VC与MATLAB混合编程性能稳定,运行速度较快,极大减少了开发人员的代码量和出错率,可以在实际项目中运用。

关键词： 图像处理   颗粒形貌   圆形度   图像分割  

摘要： 为了准确地计算砂、石等混凝土骨料颗粒的圆形度,提出了一种基于Matlab图像处理技术和8链码法的砂、石颗粒圆形度的计算方法,并利用MATALB语言编制了图像分析与圆形度计算程序,利用该程序实例分析了砂、石颗粒的多角度数码图像,获得不同角度下图像区域的圆形度。结果表明,对于同一颗粒选取不同角度的数码图像,其统计结果更具有代表性。

关键词： 分数阶微积分   信号分析   图像处理   数值算法   工作原理  

摘要： 当前，科学技术面临着深刻的变革和迅猛的发展。信息科学的变革与发展亦如此。在信号分析与信息处理中，诸多新技术、新思路的不断涌现，为处理一些传统方法无法解决的问题提供了新的思路。\n 分数阶微积分(Fractional Calculus)作为微积分的一条分支在三百多年的发展历程中已经逐步形成自己特有的体系。在很多的领域中已经显示出超凡的处理能力，尤其是在电磁学、化学、控制学和力学等一些学科。\n 本文的主要内容是对分数阶微积分在信号分析与图像处理中的研究与应用进行探究。\n 首先，系统的论述了分数阶微积分的应用和研究历程，对分数阶微积分的几种经典定义给予论证、分析，并针对几种定义之间的转换关系做以说明，最后总结出分数阶微积分的性质并与整数阶微积分做比较。\n 第二，针对分数阶微积分在一维信号中的应用，推导出数值算法并实现实验仿真。数值算法分为利用Maclaurin公式求取信号的分数阶微积分、利用Fourier级数计算信号的分数阶微积分、利用Grünwald-Letnikov定义计算信号的分数阶微积分和利用滤波器来求取信号的分数阶微积分。\n 最后，从理论上分析分数阶微积分在二维数字图像应用上的可行性，提出运算规则和分数阶微分掩模并给予实验仿真。通过实验分析可以显著地说明分数阶微积分在对图像纹理细节增强方面具有整数阶微积分无法比拟的优势。针对图像处理时计算时间过长的问题，将并行计算的方法引入到实验当中(文中采用的是基于MPI的并行程序设计)，可以使运行的时间大大的缩减，最大加速比可达11。为将分数阶微积分应用于视频处理提供了些许思路和一定的理论依据。

关键词： 图像处理   模糊算法   应用   问题分析  

摘要： 图像处理是计算机常用技术之一,模糊算法的运用有助于提高图像处理的效果。传统图像处理存在诸多弊端,影响了用户获取信息的便捷性。本文分析了图像处理的基本操作内容,并阐述了模糊算法在图像处理流程中的运用,以进一步提升原始图像处理的效果。

关键词： 徕卡M9   数码相机   感光元件   图像处理软件  

摘要： 在徕卡M9面世之前，旁轴全幅相机的概念听起来简直是天方夜谭，但是徕卡把它变成了现实!下面就让我们对这款传奇的相机进行评测，看看它是否有传说中那么神奇。

关键词： 模式识别   图像处理技术   光谱分析技术   高光谱成像技术   相关系数法   主成分分析(PCA)   连续投影算法(SPA)   无信息变量去除算法(UVE)   主成分回归(PCR)   线性判别分析(LDA)   相似分析方法(SIMCA)   偏最小二乘法(PLS)   最小二乘支持向量机(LS-SVM)   拉普拉斯正则化最小二乘法(LapRLS)   全监督学习   半监督学习  

摘要： 模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程。自20世纪40年代随着电子计算机发明,模式识别已被用于食品工业、生物技术、能源加工、医药诊断、环境检测、污染治理等多个领域。目前,数字图像处理、光谱分析与高光谱成像等技术被广泛用于被检物品质信息的快速无损获取。随着仪器制造工艺的不断进步,数字图像、光谱和高光谱图像等各类数据的采集技术逐渐成熟,并广泛应用于各个领域,数据的数量和复杂程度日益增加,分析理解这些海量高维数据面临着巨大的挑战。因此需要从数据中挖掘特征信息用于决策模型的建立。本研究采用图像处理与光谱分析技术开展了一维光谱信息、二维图像信息以及三维高光谱图像信息的数据挖掘以及模型建立方法研究。具体主要内容有： (1)开展了采用半监督学习算法的一维光谱信息特征提取方法研究,并以石油为实验对象,提出了石油中的十六烷值和总芳烃值的快速无损检测方法。拉普拉斯正则化最小二乘法(Laplacian regularized least squares, LapRLS)则是一种半监督学习方法,它不仅利用了标记的样本信息,还利用了未标记的样本信息。本文利用LapRLS建立近红外光谱与石油成分中的十六烷值和总芳烃值的数量关系。按不同比例,将381个不同品质的石油样本被分成训练集(标记样本)和预测集(未标记样本)。结合光谱分析技术,利用LapRLS、LS-SVM和PLS算法分别建立了石油的十六烷值和总芳烃值预测模型,发现LaRLS获得最好的预测效果(十六烷值模型的RMSEP值为2.330;总芳烃值模型的RMSEP值为1.308)。上述研究结果表明LapRLS能有效的利用未标记的光谱信息对石油的化学成分进行准确预测。 (2)开展了基于图像处理技术的二维图像中颜色特征提取方法研究,并以提子为实验对象,提出了其pH值和干物质含量(soluble solids content, SSC)的快速无损检测方法。分别从提子图像RGB、HIS、YIQ、YCbCr和HSV颜色空间的三个颜色通道图像中提取像素灰度值的均值和方差作为颜色特征,则共获取120个颜色特征。基于颜色特征,利用最小二乘支持向量机(least squares support vector machine, LS-SVM)(?)建立提子pH值和干物质含量(SSC)检测模型。结果显示基于不同特征集,pH模型的预测相关系数为0.870-0.886,SSC模型的预测相关系数为0.695-0.727。其中基于颜色特征(YCbCr空间的Y通道图像的方差,Y/Cb通道图像的均值)的pH模型获得最好预测效果;基于颜色特征(HSV颜色空间的V/S通道图像的均值,YCbCr颜色空间的Cb通道图像的均值)的SSC模型获得最好预测效果。pH和SSC模型的最低RMSEP值分别为0.0611和0.737。研究结果表明通过提取图像颜色特征能够应用于提子pH值和SSC值快速无损检测。 (3)开展了采用图像处理技术提取高维图像特征的葡萄干种类的快速无损检测方法研究。从葡萄干图像中提取了74个图像特征(包括8个形态特征、30个颜色特征、36个纹理特征)。分别基于单独的图像特征(形态、颜色、纹理)、两两特征结合的特征集(形态与颜色、形态与纹理、颜色与纹理)、以及三个特征结合的特征集(形态、颜色和纹理)建立检测模型。利用四种分类器：偏最小二乘法(partial least squares, PLS),线性判别分析(linear discriminant analysis, LDA),相似分析方法(Soft Independent Modeling of Class Analogy, SIMCA),最小二乘支持向量机(least squares support vector machine, LS-SVM)对不同的特征模型进行评估。发现基于三个特征结合的图像特征集的LDA模型获得最高的准确率(99%),优于基于单独的图像特征或两两结合的图像特征集的检测结果。结果表明通过挖掘RGB图像中检测对象的形态、颜色和纹理的图像特征信息,可以实现葡萄干品质的准确分类,相关特征信息的综合应用能够提高葡萄干品质分类的准确度。 (4)开展了基于结合图像处理与光谱分析技术的三维高光谱图像特征挖掘方法研究,并以牛肉为实验对象,提出了牛肉含水率快速无损预测算法。首先分别采用ENVI手动提取方法,Matlab目标分割程序从牛肉高光谱图像中获取牛肉可见光谱和近红外光谱数据,并比较发现基于Matlab的图像处理技术的光谱提取方法具有高效、批量、快速优点。再基于通过图像处理技术获得的红外光谱,利用最小二乘支持向量机(LS-SVM)偏最小二乘法(PLS)分别建立牛肉含水率预测模型,

ISBN: (纸本)9787121157981

关键词： 人工智能技术   开发   建筑设计   图像处理   软件  

摘要： 20世纪末,人类科学研究揭示了原子的秘密,掀开了生命分子的面纱,创造了电子计算机。这三大基础的发现,说明科学的"发现时代"即将结束,而"掌握时代"已经开始。过去,人们只能对被称为"智能"的东西表示惊讶,将来,我们能够根据自己的意愿来操纵它。基于人工智能技术开发出来的建筑设计所使用的图像处理软件,就是成功的例子。

关键词： 疵点检测   图像处理   小波分析   神经网络   纹理特征  

摘要： 近年来，工业生产越来越重视产品的质量，要求产品可靠性高和精度高。因此仅仅具备高科技生产环境不够，还要有强大的产品质量检测及控制能力。随着计算机技术、人工智能技术的发展，产品的表面测试、测量和识别分类等自动化变为现实并广泛应用。织物的质量检测属于此类应用。 本文织物表面质量检测研究借助于MATLAB图像处理、小波分析、人工神经网络三大工具，对图像处理、以BP神经网络识别织物疵点检测后，对织物进行质量评定及质量控制实现自动化。 首先，介绍了织物表面质量检测的意义及现有的织物表面质量检测研究方法，简要介绍了织物等相关知识，并简要阐述了现有的织物质量评价及质量控制的方法。 其次，针对传统织物疵点检测的缺点，以图像处理、分形及小波技术为手段，进行织物疵点检测。 再次，以MATLAB为计算机辅助软件，以4分制标准为评分标准，用BP神经网络结合遗传算法对织物的表面质量进行计算机评定。 最后对所检测的疵点进行总结，得出织物表面疵点形成原因及解决方法，把疵点及形成疵点原因的工序建立对应关系，通过神经网络对其实施计算机控制，便在以后的生产过程中进行质量控制。 本研究侧重于基于图像处理的织物表面质量评定及控制。在实验中以白色坯布为研究对象，研究机织物的几种最常见疵点，对出现率高的疵点识别，正确识别率达到97%。

ISBN: (纸本)9787303151844