機(jī)場(chǎng)道面異物是威脅跑道運(yùn)行安全的常見(jiàn)病害，及時(shí)、準(zhǔn)確的檢測(cè)異物具有現(xiàn)實(shí)意義。針對(duì)現(xiàn)有的人工目視檢測(cè)方法，本文基于圖像處理理論，提出了一種機(jī)場(chǎng)道面異物的自動(dòng)檢測(cè)算法。根據(jù)機(jī)場(chǎng)道面的復(fù)雜背景和常見(jiàn)異物的特點(diǎn)，本文采取了分塊的方法，選擇Harris角點(diǎn)、灰度共生矩陣、灰度級(jí)分布范圍等特征，分別用閾值法和SVM法對(duì)實(shí)際機(jī)場(chǎng)道面異物圖像進(jìn)行檢測(cè)。初步實(shí)驗(yàn)證明，該方法可以有效檢測(cè)出機(jī)場(chǎng)道面復(fù)雜背景下的異物，實(shí)驗(yàn)結(jié)果顯示，檢測(cè)正確率達(dá)到了98%。
標(biāo)簽： 復(fù)雜背景 特征分析 檢測(cè)
上傳時(shí)間： 2013-11-26
上傳用戶：2404
資料介紹說(shuō)明： si8000m破解版帶破解文件crack si8000m是全新的邊界元素法場(chǎng)效解算器，建立在我們熟悉的早期POLAR阻抗設(shè)計(jì)系統(tǒng)易用使用的用戶界面之上。si8000m增加了強(qiáng)化建模技術(shù)，可以預(yù)測(cè)多電介質(zhì)PCB的成品阻抗，同時(shí)考慮了密集差分結(jié)構(gòu)介電常數(shù)局部變化。 建模時(shí)常常忽略了便面圖層，si8000m模擬圖層與表面線路之間的阻焊厚度。這是一種更好的解決方案，可根據(jù)電路板采用的特殊阻焊方法進(jìn)行定制。新的si8000m還提取偶模阻抗和共模阻抗。（偶模阻抗是黨倆條傳輸線對(duì)都采用相同量值，相同級(jí)性的信號(hào)驅(qū)動(dòng)，傳輸線一邊的特性阻抗.)在USB2.0和LVDS等高速系統(tǒng)中，越來(lái)越需要控制這些特征阻抗。
上傳時(shí)間： 2013-11-05
上傳用戶：古谷仁美
資料介紹說(shuō)明： si8000m破解版帶破解文件crack si8000m是全新的邊界元素法場(chǎng)效解算器，建立在我們熟悉的早期POLAR阻抗設(shè)計(jì)系統(tǒng)易用使用的用戶界面之上。si8000m增加了強(qiáng)化建模技術(shù)，可以預(yù)測(cè)多電介質(zhì)PCB的成品阻抗，同時(shí)考慮了密集差分結(jié)構(gòu)介電常數(shù)局部變化。 建模時(shí)常常忽略了便面圖層，si8000m模擬圖層與表面線路之間的阻焊厚度。這是一種更好的解決方案，可根據(jù)電路板采用的特殊阻焊方法進(jìn)行定制。新的si8000m還提取偶模阻抗和共模阻抗。（偶模阻抗是黨倆條傳輸線對(duì)都采用相同量值，相同級(jí)性的信號(hào)驅(qū)動(dòng)，傳輸線一邊的特性阻抗.)在USB2.0和LVDS等高速系統(tǒng)中，越來(lái)越需要控制這些特征阻抗。
上傳時(shí)間： 2013-11-16
上傳用戶：jiangfire
為滿足對(duì)真空度斷路器實(shí)時(shí)檢測(cè)的需求，利用電磁波檢測(cè)法實(shí)現(xiàn)了真空斷路器真空度在線監(jiān)測(cè)裝置。文章首先分析真空滅弧室局部放電機(jī)理，局放電磁波信號(hào)特征為裝置設(shè)計(jì)提供初始參考依據(jù)。其次介紹了信號(hào)調(diào)理電路，通訊接口電路等主要硬件設(shè)計(jì)方案。進(jìn)行了工程實(shí)際驗(yàn)證，裝置實(shí)現(xiàn)在不改動(dòng)真空開(kāi)關(guān)主體結(jié)構(gòu)及運(yùn)行狀態(tài)的前提下的真空度實(shí)時(shí)在線監(jiān)測(cè)。
標(biāo)簽： 真空斷路器 在線監(jiān)測(cè) 裝置
上傳時(shí)間： 2013-10-18
上傳用戶：zhouchang199
針對(duì)人臉識(shí)別中的特征提取問(wèn)題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢(shì)來(lái)進(jìn)行特征提取。首先利用Gabor小波變換來(lái)提取人臉特征。然后對(duì)得到的高維特征采用PCA進(jìn)行初次降維，再利用LDA實(shí)現(xiàn)再次降維，得到最終的特征向量。在ORL和YALE人臉庫(kù)上的實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
標(biāo)簽： Gabor 特征提取 人臉識(shí)別 中的應(yīng)用
上傳時(shí)間： 2013-12-14
上傳用戶：alex wang
頭肩的定位檢測(cè)采用了Haar特征和HOG特征的層級(jí)分類方法，并根據(jù)頭肩的對(duì)稱性特點(diǎn)，提出了一種稱為Joint HOG的組合型特征。通過(guò)Haar分類器濾除大部分負(fù)樣本后，接著用HOG進(jìn)行精細(xì)的驗(yàn)證從而得到頭肩目標(biāo)框。實(shí)驗(yàn)表明，本文的方法取得了80%~90%的準(zhǔn)確率，并且完全可以用于實(shí)時(shí)處理。
標(biāo)簽： Joint HOG 特征 復(fù)雜場(chǎng)景
上傳時(shí)間： 2013-11-13
上傳用戶：weareno2
在深入的對(duì)頻譜臉?lè)ê虵isherface方法進(jìn)行研究后，綜合這兩種方法的優(yōu)點(diǎn)，提出了一種基于頻譜臉和Fisherface的人臉識(shí)別新方法。頻譜臉?lè)椒ㄖ饕遣捎枚S小波變換和傅立葉變換。因?yàn)槿四槇D像的低頻部分對(duì)人臉的表情變化是不敏感的，所以對(duì)人臉圖像使用二維小波變換，提取人臉圖像的低頻部分。對(duì)人臉圖像的低頻部分使用傅立葉變換，從而獲得原人像的一個(gè)低維空間的表達(dá)。但是頻譜臉特征維數(shù)仍然較高，所以在頻譜臉?lè)ǖ幕A(chǔ)上繼續(xù)提取人臉頻譜圖像的Fisherface 特征，降低特征的維數(shù)，提高識(shí)別效率。利用人臉面部構(gòu)造產(chǎn)生的灰度特性提取眼睛，利用嘴唇的色度特征分割出嘴巴，進(jìn)而根據(jù)眼睛和嘴巴構(gòu)成三角形模板的特性，精確定位人臉在圖像中的位置。實(shí)驗(yàn)結(jié)果表明，這種結(jié)合膚色和面部特征的算法，能夠?qū)θ四樳M(jìn)行較快速、準(zhǔn)確的定位，而且結(jié)果比較穩(wěn)定可靠。
上傳時(shí)間： 2013-10-09
上傳用戶：zhf01y
LabVIEW 是以數(shù)據(jù)流決定程序框圖元素的執(zhí)行順序，但在某些程序框圖中需要消除數(shù)據(jù)流的依賴性，這時(shí)可以考慮使用變量。LabVIEW 中的變量是程序框圖中的元素，通過(guò)它可以在另一位置訪問(wèn)或存儲(chǔ)數(shù)據(jù)。根據(jù)不同的變量類型，數(shù)據(jù)的實(shí)際位置也不一樣。局部變量將數(shù)據(jù)存儲(chǔ)在前面板的輸入控件和顯示控件中。全局變量將數(shù)據(jù)存儲(chǔ)在特殊的通過(guò)多個(gè)VI可以訪問(wèn)的倉(cāng)庫(kù)中。不管變量將數(shù)據(jù)存儲(chǔ)在何處，所有的變量都可以在不使用連線連接兩個(gè)地方的條件下而把數(shù)據(jù)從一個(gè)地方傳遞到另一個(gè)地方，從而不必使用正常的數(shù)據(jù)流。
上傳時(shí)間： 2013-12-21
上傳用戶：it男一枚
特征值和特征向量的計(jì)算,每種算法都用c++以函數(shù)形式實(shí)現(xiàn)
標(biāo)簽： 特征 向量 函數(shù) 計(jì)算
上傳時(shí)間： 2015-01-12
上傳用戶：小碼農(nóng)lz
java安全的api和java安全的特征
上傳時(shí)間： 2014-01-09
上傳用戶：wqxstar
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
