图像图形处理中计算机技术的应用研究

随着科学技术的发展和进步,计算机技术越来越成熟,计算机技术在图形图像处理中的应用也日益广泛。使传统的图像图形处理手段得到了极大的改变,具有极好的再现功能,灵活性也得到了提高,为图形图像的发展做出了很大的贡献。本文主要探讨计算机技术在图形图像处理中的应用以及发展前景。     

一种优化的高光谱图像特征提取方法

众所周知,特征提取方法在降低计算复杂度和增加高光谱图像分类精确度方面十分有效,针对此,提出了一种优化的图像融合和迭代率波的特征提取方法。首先,将高光谱图像分割成多个相邻波段的子集;然后,通过均值法把每个子集中的各个波段融合在一起;最后,对融合后的波段进行递归滤波处理,获得分类的特征信息。结果表明,该方法展示出较高的分类精确度。     

路政图片信息化管理初探

主要对路政工作信息化管理进行探讨,通过对图像数据库的分析和功能描述,将ACDSEE软件应用于路政管理工作中的信息收集、储存和检索等,提高路政管理和服务工作的效率。     

基于神经网络技术自动筛选Monastrol抑制剂的算法研究

带自动荧光显微镜的HCS（high content screening）系统是一种新兴的显微摄影、筛选和处理系统.HCS系统在摄影过程中会产生大量数据,人工筛选和识别费时费力.本文为了进行Monastrol抑制剂的筛选,基于前馈式神经网络技术研究了一种对HCS系统摄影的大量细胞同时进行特征提取和细胞显型识别的自动算法.在得到各个通道分离的图像后,对不同通道图像进行并行预处理,并采用神经网络和逻辑运算相结合的算法进行处理.我们将该方法运用于Monastrol抑制剂的筛选中,并将结果与人工识别结果进行分析比较.相比较前人提出的multi-phenotypic mitotic analysis（MMA）算法自动识别的正确率得以提高,可更好评估抗癌药剂效用.     

互为反函数的指对数函数交点个数的讨论

指对数函数的深入研究属于运用高中知识解决不够,而大学又不学习的内容。在高中的学习过程中遗留的问题,在大学期间运用丰富的资源,运用数学软件MATLAB,几何画板绘制大量的图形,总结推测抽象难懂又难以求解的指对数问题,查阅了很多相关书籍和文献,并以此为依据进行证明加以验证和进一步探究。     

运用图像系统提高地理技能——以湘教版高中地理必修1为例

"地图是地理学的第二语言",读图与绘图能力应该是中学生必须掌握的基本技能,也是各级各类考试的必考点和常考点,在地理教学中具有"左图右书"的地位.     

葡萄纹样在汉唐佛教艺术中的象征意涵

葡萄作为一种外来植物,西汉时期从丝绸之路传入中国,从此葡萄纹样在中国佛教艺术中被广泛使用。汉唐佛教艺术品中不同位置中的葡萄图像,融摄了佛教文献与汉地传统思想,产生了独特的象征意涵。葡萄传入中土之后,纹饰图样的演变反映了历史上各民族、各地区之间的交流、交往与交融的状貌,为研究丝绸之路文化和宗教美术提供了可贵资料。     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

遥感图像配准中的群智汇聚方法

遥感图像配准是遥感图像处理的一个重要的环节,在智能化遥感信息处理领域具有重要的研究意义和应用价值.本文主要对群智能在遥感图像配准中的应用进行了综述,并对进化算法和深度学习在遥感图像中的应用进行了介绍.首先介绍了遥感图像配准中常用的原理和优点.然后,对群智能算法在遥感图像配准中的应用进行了详细的介绍和总结,紧接着对进化算法在遥感图像配准中的应用进行详细介绍,其次对深度学习在遥感图像配准中的应用进行归纳,并且就遥感图像配准目前存在的难点以及深度学习在解决这些难点时所存在的优势进行了详细的讨论.最后,针对遥感图像配准中存在的关键问题进行了讨论与展望.     

太阳局部高分辨观测像的日球坐标自动标定

观测图像的日球坐标标定通常是处理太阳局部高分辨观测像的第一个步骤,但这也一直是很多太阳物理学家面临的困难.本文应用尺度不变特征变换来提取特征匹配点,提出了一种将局部高分辨光球和色球图像与空间/地面全日面像自动匹配以确定其视场在日球坐标系位置的方法.同时还总结了一套有针对性的图像预处理方案和流程,用于提高特征点检测的准确度和增加匹配点对数量,从而成功地实现了新真空太阳望远镜(New Vacuum Solar Telescope, NVST)的氧化钛(titanium dioxide, TiO)波段与太阳动力学天文台(Solar Dynamics Observatory,SDO)日震磁像仪(helioseismic and magnetic imager, HMI)连续谱、Hα波段与全球日震网(Global Oscillation Network Group, GONG)或者太阳动力学天文台/大气成像仪(atmospheric imaging assembly, AIA)304?波段的图像配准.最终结果用SDO标准关键字记录在标定后的普适图像传输系统(flexible image transport system, FITS)文件头中,以便使用通用的太阳软件包来进行各种后处理.这一工作实现了高分辨观测像的标准化日球坐标标定,为太阳物理学家更好地使用高分辨观测数据提供了极大的便利,从而提高了数据利用率和科学产出.