软件系列课立体教学环境与多维教学

描述软件系列课立体教学环境的构建及该环境下多维教学的实施方式。强调系列课立体教学环境的构建应着重于建设阶梯化教学团队、优化教材与整合内容、集成系列课网站资源、搭建多层次实践平台等几方面的工作。这些措施将有助于课堂、网站、实践三位一体教学模式的实施与提升。     

数据结构教程（第4版）（“十二五”普通高等教育本科国家级规划教材）

提供PPT课件,期末试卷,教学大纲,源程序,配套实验教材,配套习题教材等。ISBN：9787302250876定价：39元印次：4—2装帧：平装出版日期：2013—01—01出版者：清华大学出版社图书简介：本书在前3版的基础上,根据教育部新的考研大纲和大量读者来信提出的要求进行了修订。本书内容包括绪论、线性表、栈和队列、串、递归、数组和广义表、树和二叉树、图、查找、内排序、外排序和文件,还给出了6个综合实验题、实验报告格式、引用型参数的说明、顺序表和顺序栈以及顺序队列使用指针引用型参数的说明、书中部分算法清单、全国计算机专业数据结构2011年联考大纲。本书适合高等院校计算机及相关专业本科生和研究生使用。     

使用柯西分布点扩散函数模型的单幅散焦图像深度恢复

目的 当前,大多数单幅散焦图像的3维(3D)场景深度恢复方法,通常使用高斯分布描述点扩散函数(PSF)模型,依据图像边缘散焦模糊量与场景深度的对应关系获得稀疏深度图,采用不同的扩展方法得到整个场景图像的全深度图.鉴于现有方法的深度恢复结果还不够精准,对各种噪声干扰还不够健壮,提出一种基于柯西分布的点扩散函数模型计算物体图像边缘散焦模糊量的方法.方法 将输入的单幅散焦图像分别用两个柯西分布重新模糊,利用图像边缘两次重新模糊图像间梯度比值和两个柯西分布的尺度参数,可以计算出图像中边缘处的散焦模糊量.使用matting内插方法将边缘模糊量扩展到整个图像,即可恢复场景的全深度图.结果 将原始Lenna图像旋转并加入高斯噪声以模拟图像噪声和边缘位置误差,用原图与噪声图比较了柯西分布图像梯度比值与高斯分布图像梯度比值的平均误差.使用多种真实场景图像数据,将本文方法与现有的多种单幅散焦图像深度恢复方法进行了比较.柯西分布图像梯度比值的平均误差要小于高斯分布图像梯度比值的平均误差.本文方法能够从非标定单幅散焦图像中较好地恢复场景深度,对图像噪声、不准确边缘位置和邻近边缘具有更好的抗干扰能力.结论 本文方法可以生成优于现有基于高斯模型等方法的场景深度图.同时,也证明了使用非高斯模型建模PSF的可行性和有效性.     

低分辨率目标的检测与实现

提出以柯西分布作为背景剔除时图像像素比值的统计分布模型,并融合单个像素点和邻近像素点所蕴涵的时空信息,实现了对场景变化自适应的背景图像比值的建模,应用假设检验方法,通过背景剔除(background subtraction)实现了对低分辨率目标具有鲁棒性的检测。最后的实验表明,该文提供的算法可以抗背景中全局或局部光照的渐变和突变,可以有效地抑制背景中活动物体和阴影的杂波干扰,能够适应下雨的恶劣天气。     

数据结构教程(第4版)(“十二五”普通高等教育本科国家级规划教材)

<正>提供PPT课件,期末试卷,教学大纲,源程序,配套实验教材,配套习题教材等。ISBN:9787302250876定价:39元印次:4-2装帧:平装出版日期:2013-1-1出版者:清华大学出版社图书简介:本书在前3版的基础上,根据教育部新的考研大纲和大量读者来信提出的要求进行了修订。本书内容包括绪论、线性表、栈和队列、串、递归、数组和广义表、树和二叉树、图、查找、内排序、外     

视觉监视中基于柯西分布的统计变化检测

为了更好地进行视觉监视,该文给出了一种新的基于柯西分布的光照不变的统计变化检测算法。该算法首先将两帧图像间的灰度比值作为背景建模和剔除的特征,并且在假定背景图像中,当每个像素点观测的时序灰度变化由白噪声引起时,两帧背景图像中对应像素间的灰度比值的分布符合柯西分布;然后基于该变化检测方法,将YCbCr颜色空间的亮度、色调和饱和度用来识别和消除视频序列图像中的阴影。实验结果表明,该新算法不仅可以承受整体或局部的、缓慢或突然的光线变化,并且可以滤除由场景背景中小的扰动而导致的噪声。     

基于Cauchy分布的红外视频运动目标检测

基于柯西分布统计模型和梯度信息,提出了一种用于热成像(红外)图像序列中行人目标检测的统计背景剔除方法.它不依赖传统红外行人检测方法的"热场"(hot-spot)假设(即认为人体区域总比周围环境热),而是用一种快速动态背景的重建方法建立初始化背景Gaussian模型,简化了Cauchy分布的参数估计问题.基于Gauchy分布的背景剔除被首先用来识别局部兴趣区域(Regions-Of-Interest,ROI).在每个兴趣区域将当前图像和背景图像的梯度信息组合成一个梯度图.对梯度图进行各向异性滤波和运用最大类间方差法进行自适应阈值处理后获得行人目标区域.经多组实验及与其他方法比较,结果表明提出的方法对热成像红外视频人体目标的位置和形状实现了较精确的检测,对环境、时间变化、极性翻转、"晕轮"效应等产生的影响,以及背景中杂波的干扰具有较好的鲁棒性.     

对光照、阴影和反光具有鲁棒性的变化检测算法及实现

变化检测算法研究就是要发展一种能实现目标自动检测的算法,实现对视频图像序列的初级分析,稳定可靠地识别目标区域,实现运动图像分割,它是实现目标的识别、跟踪和报警等高层次的自动视频监视应用的重要基础,也是计算机视觉研究的一个重要领域。文章在研究了目前的多种变化检测算法的基础上,提出了一种基于线性相关的变化检测的算法。该算法以每一象素及其邻域组成的集合作为图像矢量来描述图像,用局部线性相关检测器来判断背景图像和当前图像的对应图像矢量是否线性相关,从而确定是否有变化发生。室内外的试验结果表明,基于线性相关的变化检测新算法对真实环境中的光照、阴影和反光具有较强鲁棒性,对噪声也有较强的抑制作用。该算法可准确地检测语义目标及其内部,且边缘光滑,检测目标与原图像中的目标准确地吻合,可以提高变化检测的精度,极大地增强自动视频监视系统对环境光照变化的适应能力。