基于极大似然估计的织物图像分割

为了实现利用机器视觉技术进行织物图像检测,对织物图像的分割进行了研究。提出一种基于从图像中检测直线段或者曲线段的边缘检测方法,基本思路是利用极大似然法评估出边缘像素点的边缘切线方向,然后逐点连接切线倾角变化微小的相邻边缘像素得到线段。由于在相邻像素间移动模板时,只有模板边缘行列的像素对新的评估产生影响,进一步给出了加速策略。实验结果表明,针对有较好对比度的灰度织物图像,该方法在图像分割中是一种实用的方法。     

基于VRML的虚拟场景漫游实现

虚拟场景漫游技术以虚拟现实技术为基础,具备自然模拟、体验逼真的特征.从构造校园虚拟场景漫游系统的一般流程出发,重点讨论了校园虚拟场景系统的虚拟漫游设计中视点的设置、校园大门的自动开关设置以及校园建筑物的旋转等关键技术,为VRML在三维建模、场景漫游、交互方式等技术验证提供一个的试验途径.     

路面不平度突变检测的研究

为了更好地检测路面不平度的突变,提出了基于小波变换提取路面不平度突变的方法。利用小波变换检测路面不平度突变的基本原理和路面不平度不同尺度的最大重叠离散小波变换系数进行路面不平度突变区域的检测。结果表明:在消除边缘效应后,在两个突变区域内,W1、W2和W3小波系数具有一致性,可以准确提取路面不平度突变。     

基于小波分解系数的织物图像分类分割

 针对既考虑颜色域又考虑空间域的分割算法对小纹理织物图像产生较大分割失真,而只考虑颜色域信息的算法又对大纹理粗糙图像的纱线缝隙不能有效去除的问题,提出了基于小波分解能量的织物分类算法,先判断出织物粗糙与否,再选用相应算法分割。发现由纱线缝隙等造成的较大纹理主要存在于小波变换的2、3级细节图像上,通过计算这两级的分解系数能量和,判断是否属于大纹理织物,再依据2、3级的能量比判定粗糙程度,实现对织物的分类分割。     

基于Struts的数据校验框架的应用研究

随着网络技术的飞速发展，数据的有效性校验变得更加重要。基于Struts的数据校验框架是一种通过配置外部XML文件，是一种利用可重用的校验规则和正则表达式匹配规则的校验机制。分析了实现这个框架的关键技术和工作流程，提出了在这个框架中如何扩充数据校验的方法，并且实现了把这种基于Struts框架移植到一般的Java系统的方案。     

卷积神经网络的短文本分类方法

短文本分类是自然语言处理的一个研究热点.为提高文本分类精度和解决文本表示稀疏问题,提出了一种全新的文本表示（N-of-DOC）方法.采用Word2Vec分布式表示一个短语,将其转换成的向量作为卷积神经网络模型的输入,经过卷积层和池化层提取高层特征,输出层接分类器得出分类结果.实验结果表明,与传统机器学习（K近邻,支持向量机,逻辑斯特回归,朴素贝叶斯）相比,提出的方法不仅能解决中文文本向量的维数灾难和稀疏问题,而且在分类精度上也比传统方法提高了4.23%.     

基于多层跨模态注意力融合的图文情感分析

针对现有图文情感分析模型仅考虑图像高层特征与文本特征的联系,而忽视图像低层特征的问题,提出了一种基于多层跨模态注意力融合(Multi-level cross-modal attention fusion,MCAF)的图文情感分析模型.该模型首先将VGG13网络外接多层卷积,以获取不同层次的图像特征,并使用BERT词嵌入...