人工智能产业建设解读

正人工智能发展的产业模式,有三点核心要素:算法、数据、场景,一个好的人工智能的应用都是围绕这三个方面进行,而且缺一不可。算法是指理论的基础和产品的技术,我们把算法比喻成发动机,有的发动机光有发动机不行,还要有大量的数据,数据就是燃料,为什么到了人工智能时代,数据至关重要?因为人工智能技术的发展依赖于机器学习,而大数据是机器学习所必须的要素。场景则是高速公路,有了发动机,有了     

自动光学检测仪的技术发展

自动光学检测仪(AOI)作为新兴的光机电一体化技术,正逐步为国内厂家所掌握.智能图像识别算法是整个设备的核心.本文对AOI所涉及的算法核心技术以及今后的技术发展方向做一个完整的阐述.     

基于数字水印的访问控制模型

本文提出了一种基于数字水印的访问控制模型,阻止数字内容在网络上的非法传播,保护数字内容版权.基本原理是首先规定向数字媒体内容(图象、视频、音频等)中嵌入主动数字水印信息,然后在传播途中的网络节点处检测提取水印信息,再根据水印信息决策多媒体内容在网络中传输的合法性,从而控制数字内容在网络中的传播,并且提供版权保护的事实证据和线索.     

一种基于正交模板的数字水印算法

为了使水印算法运行快速,以便能在商业中应用,提出了一种基于正交模板的空间域数字水印算法,该算法结构简单,运行速度快,而且有一定的鲁棒性.其作为一种盲水印算法,不仅能在图象中嵌入多比特的水印信息,并且也适用于二值黑白图象的水印嵌入与检测.另外,根据所采用正交模板大小和数量的不同,水印的鲁棒性、容量均可进行调节.     

水印能量估计的一般性框架

数字图像水印技术为网络环境下多媒体数据的传输提供了一个有效的版权保护方案 ,当前大多数的水印算法均利用实验来确定嵌入的水印的最佳能量。该文提出了一个一般性的水印算法框架,可以从理论上计算需嵌入水印的最佳容量或能量,对基于酉变换域方法的数字水印算法而言,该框架可以作为一个有用的指导方法。     

基于图象内容的数字水印模型

为了提高水印算法的鲁棒性,安全性,提出了一种基于图象内容的水印模型（CBWM：Content-Based Watermarking Model),其基本原理是水印向量被嵌入到图象的特征向量中,且两者相互正交,在此模型中,静止图象的水印检测被归结于Neymann-Pearson准则下的统计模型,将该模型应用于通用的DCT水印算法,从实验结果看,算法性能有很大地提高。     

数字图像水印研究综述

本文对当前数字图像水印技术的背景、现有方法、发展应用和存在的问题做了一综述,以期进一步推动我国在此前沿领域的研究工作。     

什么是Maple

Maple是加拿大滑铁卢大学发展的一个通用数学软件,它的特色在于它无与伦比的符号运算能力。从目前通用数学软件的发展来看,Maple在符号运算方面的能力独占鳌头,就连其他几个比较著名的软件如MATLAB和MATHCAD在符号运算方面也要借助Maple的能力。简单的讲,Maple是进行数学工作的一个环境。符号运算、数值计界和图形都可以Maple用来进行。尽管Maple可以做一些简单的计算工作,但是它真正的能力只有当你遇到特别繁复和     

PCB检测中圆Mark的快速精确定位

高密度电路板在缺陷检测时获取的圆形标志有时会变形,从而影响检测精度。为此,提出一种求取最圆椭圆度的Mark点精确定位算法。该算法将检测的彩色图像转换成灰度图,采用Otus的阈值分割技术使Mark区域与背景相分离,对图像进行二值化,求取边缘点(图像轮廓)。对图像轮廓进行椭圆拟合后求取椭圆的外接矩形,将矩形长与宽之差与矩形宽之比小于0.1作为判据,判断所求的是否为最圆的椭圆,输出Mark点中心。仿真测试结果表明,该算法具有高速、抗干扰能力强和鲁棒性高的特点。     

基于奇异值分解的数字图像水印方法

随着计算机和网络技术的飞速发展,数字图像、音频和视频产品愈来愈需要一种有效的版权保护方法,另外通信系统在网络环境下的信息安全问题也日益显露出来.数字图像水印技术为上述问题提供了一个潜在的解决方案.所谓水印技术就是将数字、序列号、文字、图像标志等版权信息嵌入到多媒体数据中,以起到版权保护、秘密通信、数据文件的真伪鉴别和产品标志等作用.本文提出了一种新的基于奇异值分解的数字水印算法并且对该方法的理论基础给出分析.实验结果表明这种方法要比目前提出的流行算法鲁棒.