排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
数据采集系统的机内自检与测试是系统设计中不可缺少的一项功能,多通道信号源是多路采集系统自检与测试系统的重要组成部分.本文介绍了一种多通道信号源的具体设计实例,它采用Ahera公司的可编程逻辑器件EPMTl28S及MAX+PLUSⅡ开发系统实现,由于采用该器件,简化了电路设计,减小了设备体积,同时也使设备的可靠性和设计的灵活性大大提高. 相似文献
2.
获取三维模型的纹理信息是计算机图形学领域的一个重要研究问题.传统的方法往往通过纹理映射来完成这个任务,其局限是需要一幅合适的纹理图像.为了能够更简便地得到模型的纹理,提出一种交互式着色算法.对于网格模型,首先进行显著特征的提取和分类来减少用户对重复出现的特征的交互量,进而由用户在不同区域上交互几条颜色曲线作为种子曲线.然后结合位置、法向和曲率信息来衡量相邻顶点的相似度,以防止相邻区域之间出现渗色,并通过随机游走算法计算出每个顶点到每条种子曲线的跳转概率;最后以跳转概率作为权值对各条种子曲线的颜色进行加权平均,得到每个网格顶点的颜色.进一步地,还将上述算法应用到点云模型上.实验结果表明,该算法能够准确地区分不同的区域,鲁棒地为三维模型着色. 相似文献
3.
目的 高光谱图像因设备及环境因素容易受到噪声污染,导致图像的可见性和分析精度降低,因此高光谱图像去噪任务已经成为遥感图像处理领域国内外研究热点。当前的高光谱图像去噪方法主要面临两个难题:1)对特征的全局信息利用不足。当前基于卷积神经网络的方法受限于卷积核的大小,难以捕获特征的全局信息;2)卷积神经网络和 Transformer 在结构上存在差异,导致两者难以融合,因此,需要考虑合理的特征交互方式,来平衡局部和全局特征提取之间的关系。方法 针对上述问题,本文提出了基于 Transformer 和通道混合并行卷积的高光谱图像去噪模型,包括 3 个模块:通道混合特征提取模块、基于块下采样的全局增强模块和自适应双向特征融合模块。通过这 3 个模块的相互作用,可以充分结合全局和局部的特征信息,处理不同区域中的噪声和纹理差异,有效提高模型对空间细节信息的恢复能力。结果 实验在 2 个数据集上与主流的 5 种方法进行比较,在 Pavia 数据集中设置不同高斯噪声强度的情况下,相比于性能第 2 的模型,峰值信噪比(peak signal-to-noise ratio,PSNR)值最大提高了0. 4 dB;在 ICVL 数据集中设置各种混合噪声的情况下,相比于性能第 2 的模型,PSNR 最大提高了 2. 18 dB。同时可视化的去噪结果图像体现了本文所提出的去噪模型的优异性能。结论 本文方法在各种噪声情况下均具有较好的去噪效果,显著优于当前主流方法,能够有效去除高光谱图像中噪声,同时保留图像丰富的纹理信息。 相似文献
4.
5.
流场可视化足科学计算可视化中最具有挑战性的研究热点之一,有着十分广泛的发展前景和应用领域。可视化的最终目的足增强用户对数据的感知能力,这要求数据可视化展示充分有效和准确的结果。本文利用人类视觉系统的理论知识建立模拟人眼视觉感知过程的数学模型,并建立基于信息熵的评价模型.对可视化结果的准确性和有效性进行评价和优化,使可视化结果更符合人眼的视觉感知。本文提出的评价模型使可视化方法与人类的视觉感知和信息论相结合,不仅促进了可视化方法的改进,也将促进计算机视觉领域的不断进步。 相似文献
6.
针对当前常见的显著性检测模型得到的结果会包含大量的背景区域的缺点,本文提出了基于Object Proposals并集的显著性检测模型。该模型首先对于输入图片生成一系列Object Proposals,并通过其并集计算得到背景图;然后结合纹理特征和全局对比度得到初始显著图;最后,用得到的背景图对初始显著图进行背景抑制得到最终显著图。实验结果表明,在通用MSRA1000数据集上,本文提出的显著性模型与其他5种方法相比取得了很好的效果。 相似文献
7.
针对GL Studio开发的仪表显示软件一直不支持汉字显示的问题,利用纹理技术建立GB2312标准的一级汉字纹理字库,在GL Studio环境下建立与纹理字库一一对应的字库表和基本的汉字显示单元,抽象汉字的存储显示数据模型。以机载MFD显示软件为例,根据输入MFD的汉字查找对应的国标编码和汉字在字库表的坐标,以基本汉字显示单元为基础建立汉字动态控制模型与汉字显示模型,在GL Studio环境下实现机载MFD仿真软件的开发。实验表明,该方法快速有效,扩展性和重构性好,既可以用于实装开发也可以用于仿真模拟器的开发。 相似文献
8.
目的 光度立体算法是一种单视角下的稠密三维重建方法,其利用相同视角下来自不同光照方向的一系列图像恢复像素级的表面法向。拍摄光度立体图像所用的高分辨率线性响应相机的成本十分昂贵且难以获取,很难通过传感器直接获取超高分辨率图像来恢复高分辨率表面法向。因此,提出一种基于深度神经网络的光度立体超分算法,以从低分光度立体图像中恢复出准确的高分表面法向。方法 首先,对原始的低分光度立体图像进行归一化预处理操作,以消除剧烈变化的表面反射率影响,并消减过饱和镜面反射的影响。随后,提出多层聚合超分光度立体网络(multi-level aggregation super resolution photometric stereo network,MASR-PSN)。MASR-PSN包含一个新颖的深浅层融合的最大池化聚合框架、权值共享的特征回归器、并行设计的不同尺寸卷积核的并行回归器结构,能够在保留多尺度信息的同时,增强特征表示,防止模式坍塌学习到某一固定尺度相关的非重要特征,以及防止3×3卷积核带来空间域上的过度平滑。结果 广泛的消融实验证明了提出的深浅层聚合层和并行权值共享回归器的有效性,能明显减少生成表面法向的平均角度误差(mean angular error,MAE)。本文方法仅需其他方法一半分辨率的光度立体图像,而能准确地恢复出复杂表面的结构。DiLiGenT benchmark数据集的定量实验和Light Stage Data Gallery数据集、 Gourd数据集的定性实验显示,MASR-PSN在预测表面法向精确度方面有明显提升。在DiLiGenT benchmark数据集中,本文方法在仅使用其他方法一半分辨率的光度立体图像的情况下,以96幅图像为输入时,取得7.31°的平均角度误差,比最佳方法提升0.08°,以10幅图像为输入时,取得9.00°的平均角度误差,比最佳方法提升0.43°。结论 提出的MASR-PSN方法提升了光度立体任务表面法向重建的准确性,在低分辨率的输入图像下,依然可以恢复出细节清晰的超分辨率表面法向。 相似文献
10.
本文提出了用几何粒度测定法来从跟开变换定义非常类似却更加高效的另一利,变换——距离变换中近似得到开变换的直方图。我们用多样权值的距离变换来估计一个图像的开函数的直方图,从而得到图像的有用的性质而不需要用费时的数学形态学操作。与直接应用开变换来得到直方图相比,这种方法极大的改善了效率,从而可以更广泛的应用到生产实际中去,有很大的实际意义。 相似文献