基于迁移学习和注意力机制的伪装图像分割

不同于常规目标,伪装目标特征模糊、尺度信息复杂多变、检测和分割难度更高.在现有伪装数据集基础上,提出了一种结合迁移学习和有效通道注意力的UNet网络伪装图像分割方法.首先,针对伪装目标特征模糊难以有效提取的问题,在UNet的下采样和上采样过程中,引入一种有效通道注意力机制,在不增加网络参数的同时,提高有效区域的特征权重...     

基于自组织特征映射的图像分割算法研究

提出了一种基于自组织特征映射的图像分割算法,实现了计算机对图像的初步理解,从而在某种程度上模拟了生物的初级视觉功能．通过分析研究Kohonen网络的自组织特征映射过程,构造了基于Kohonen网络的图像分割神经网络方法,应用自组织特征映射方法将原始图像分割为有序化的相关特征区域．最后结合图像分割的特点对算法进行了改进,结合有监督的学习算法,使得图像的分割最终在先验知识的指导下进行．实验结果表明将Kohonen网络应用于图像分割使得算法具有很强的自适应性,能够在很大程度上避免背景及噪声对分割的影响．     

基于特征的参数化三维造型技术及其应用

文章介绍了基于特征的参数化三维造型技术的设计思想和实现途径。     

图像分割技术研究

对传统的图像分割方法和近年来出现的一些新方法进行了综述,并分析了每类分割方法的特点,探讨了图像分割技术的未来发展方向。     

基于Level Set方法的Visible Human Being虚拟人图像处理

提出了将基于区域的VectorConfidenceConnected的低级分割方法和基于边界的LevelSet高级分割方法相组合的分割方法,使得边界的平滑性得到了保持;既有效地结合了医学专家的医学背景知识,又提高了分割处理的速度,很好的处理了医学图像中常见的拓扑结构,实验结果表明该方法切实可行。     

基于改进的Fuzzy C-means聚类算法的纹理分割

提出了一种基于改进的Fuzzy c-means聚类算法的纹理分割方法．改进的Fuzzy c-mean聚类算法(MFCM)的目标函数不仅考虑了样本类内紧致性,而且还考虑了样本类间分离性,加快了MFCM算法的速度;纹理分割实验验证了MFCM算法的有效性。     

盲文自动识别方法研究

本文研究的盲文点字自动识别技术,利用数字摄像机采集盲文图像,并利用图像处理技术,对盲文图像进行预处理,将盲文图像转换成二值图像,然后再利用盲文点字的特性来提取盲文点字特征,并定位、分组盲文点字单元,以二进制字符串的形式与盲文语料库进行匹配,识别出盲文点字信息。本论文中给出了盲文识别的总体方法,并详细介绍了具体的处理方法。实验证明,该方法能有效、准确的提取盲文点字,并转换成汉语拼音。     

由一道高考题引发的研究性学习

为培养学生的创新意识和实践能力，在新课程的改革中，研究性学习已经走进中学数学课堂，从而使得研究性学习进入高考和中考试题的趋势不可阻挡。在中学数学教学中，如果教师善于引导学生研究一些难易适中的典型问题，那么可使学生掌握数学的思维方法，提高学生分析问题和解决问题的能力。为此，文章对一道高考题的解法、推广、引中、应用等作了研究，这样做，恰与素质教育要求的“要重视知识的形成过程和发展过程，培养学生的创新意识和实践能力”的本质相吻合，同时对于高考复习也有较强的应对性。