Android下的机械式电表数字识别技术研究

针对Android系统下机械式电表数字识别应用,提出一种电表读数图像ROI提取方法。为消除光照不均及反光的影响,结合Canny边缘检测、局部自适应阈值二值化与全局阈值二值化实现电表读数图像二值化。使用Opencv的人工神经网络多层感知器模型完成电表数字识别,测试结果显示,该技术对机械式电表读数具有较高的识别率。     

基于Android平台的聚会助手软件的实现过程

基于Android平台的聚会助手软件各个模块的实现与分析.对软件进行相应的测试,包括功能测试和异常测试,通过对软件设计测试用例,分别针对界面细节和系统可用性进行测试,利用这两套测试用例最终确保了软件的正常运行.最终产品成功提交至安卓、安智、应用汇等多个主流市场.整个软件清新自然,用户体验良好,是用户心目中聚会的好助手.     

基于Android平台的聚会助手软件的分析与设计

通过分析传统桌游的使用场景、使用人群,提炼出主要功能,利用移动端特性,依托于Android平台对整个软件进行设计,可以设计出方便有趣的替代方案——用手机替代棋牌.它的特点是在遵循规范的同时充分考虑UCD,设计出的娱乐型应用软件更实用、易用、悦目.     

基于Master CAM软件的文字雕刻加工技术

本文以实例作为导引,阐述了应用Master CAM软件实现平面文字雕刻的方法,给出了具体的操作步骤,为目前雕刻加工提供了一个参考案例.     

一种基于灰度图像的汽车牌照预处理方法

车牌图像预处理作为车牌自动识别系统最基础的一个环节,其处理效果直接影响到车牌自动识别系统的识别效果．对车牌图像的灰度化、灰度图像增强、灰度图像二值化预处理技术进行研究,利用采集的原始车牌图像在MAIZAB环境下进行实验．实验结果表明,所采用的预处理方法具有良好的处理效果,为后续车牌的准确定位与识别奠定基础．     

基于K均值聚类的西洋参图像背景去除方法研究

利用机器视觉量化西洋参外观特征的过程中,为了消除图像背景的影响,基于K均值聚类算法的思想,先将图像从RGB色彩空间转换成颜色重心角描述的色彩空间,并把颜色重心角从0³60度划分成12区域,对各颜色重心角区域进行直方图统计,将K个频数最大的颜色重心角区域指定为初次聚类中心进行迭代实现图像分割.经对比实验表明,25幅样本图像中,传统的K均值聚类算法15幅存在过分割与10幅存在欠分割的情况,改进的K均值聚类算法收敛速度有所加快,普适性较好,25幅样本图像均能精准分割出目标与背景.     

HGFA算法的应用

文[1]中提出的HGFA算法是一种很有效的模糊聚类算法,有较好的应用价值.本文对HGFA算法的应用进行了研究,将HGFA算法应用在了灰度图像二值化中,它不需要设定阈值.实验结果表明该方法可以较好的分离出目标图像.     

Zhang快速并行细化算法的扩展

一个优异的算法是OAS中图像识别的关键。Zhang快速并行细化算法具有快速实用的特点。同时能保证细化后曲线的连通性，但细化后的骨架不能保证为单像素宽，这给找细化图像的分叉点带来了困难。为此文章在Zhang算法的基础上进一步对细化后的骨架单像素化。同时保持原有算法的优良特性。改进的细化算法应用于手写体汉字串的细化，取得很好的细化效果。     

一种基于商标的图像搜索引擎方法

以商标的二值化图片作为商标的形状特征,待辨识图案经过一系列预处理过程(包括商标图案的分割和定,图片大小调整)之后,以点对点比对方式与作为模板的标准图片进行比较,通过得到最大相似程度的方式来进行商标图片分类。通过对实验结果进行分析,表明二值化图片作为商标图案的形状特征具有一定的有效性。     

基于蚁群模糊聚类算法的图像分割研究

论文提出了一种基于蚁群动态模糊聚类算法的计算机图像分割方法,有效地利用蚁群算法的聚类分析能力,克服了FCM算法对初始化的敏感,动态地确定了聚类数目和中心。然后利用蚁群聚类算法得到的模型进行修改,再进行模糊聚类弥补蚁群算法的不足。最后将该算法应用到计算机图像分割技术。对比实验表明,该算法实验表明该算法速度快、划分特性好,可以准确地分割出目标。     

一种基于直方图的图像二值化算法

图像二值化在计算机图像处理技术中应用十分广泛,其关键问题是阈值的选取.对于具有明显双峰直方图的图像,可选取双峰的谷底作为阈值,这是基于直方图的图像二值化算法的基本思想.根据其基本思想,提出了一种新的阈值选取算法——最佳阈值迭代法.算法先根据图像的最大灰度值和最小灰度值设定一个初始阈值,然后通过迭代循环计算在该阈值下的目标和背景的中心值,当目标和背景中心值的平均值和假定的阈值相同时,则循环中止,并以此值为阈值.实验结果表明,该算法可以较好地保留图像的细节信息,且具有一定的抗干扰性和稳定性.     

基于分层聚类相关反馈算法的图像检索技术研究

基于内容的图像检索研究的目的是实现自动地、智能地检索图像,研究的对象是使查询者可以方便、快速、准确地从图像数据库中查找特定图像的方法和技术。通过把分层聚类策略与传统的相关反馈算法相结合,提出一种新的图像检索方式,并通过实验加以验证。     

基于SIFT特征点改进聚类的图像检索方法研究

由于SIFT特征点能对图像局部特征进行合理、精确描述,有效使用SIFT特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题。针对该问题,提出一种基于SIFT特征点的改进聚类的图像检索新方法。该方法包括图像颜色转换、特征点改进聚类算法,以及基于该算法的更有效的灰度直方图构建方法。与现有基于流光法的检索方法相比,该方法能有效解决聚类后特征点分组不确定和依赖特征点颜色信息和空间信息权重的问题。从公共图像库上的实验结果可以看出,该方法与现有方法相比具有较高的检索精度。     

基于改进仿射传播聚类的图像分割算法研究

仿射传播聚类算法是一种比较新的基于质心的聚类算法,在图像分割领域得到了广泛应用。仿射传播聚类算法最终聚类数目会受到偏向参数P(Preference)的影响,得到的聚类数目往往偏多,影响分割质量。鉴于此,提出一种改进的仿射传播聚类的图像分割算法,该算法将仿射传播聚类算法与CURE层次聚类算法相结合,CURE算法能够对仿射传播聚类算法的分割结果进行优化。实验验证表明,改进后的算法图像分割效果更好。     

基于蚁群算法的图像分割方法改进研究

图像分割是一种对不同特征的像素进行聚类的过程,过程中涉及像素的梯度、灰度及邻域特征。由于蚁群算法的离散性、并行性、全局优化性和稳定性等特点,基于蚁群算法提出一种有效的图像分割改进算法。首先通过蚁群改进算法的模糊聚类能力可以分别计算出像素与目标、背景、噪声点、边界点的隶属关系;然后对于蚁群算法循环次数多、计算量较大的问题,设置启发式引导函数和聚类中心,解决传统聚类中运行效率低、初始化敏感度高等缺点;最后引入梯度算子,对目标与背景灰度值相似图像进行分割,对结果进行了进一步的优化。实验表明,应用该改进算法得到的图像分割结果具有较高的准确度和效率。     

基于区域增长的连通域标记算法的优化

与以往基于区域增长的连通域标记算法用目标点作为种子不同,优化算法将游程作为种子,结合游程和种子算法的优点,减少种子的数量和目标点邻域的搜索次数.实验表明,本算法能有效地减少算法冗余操作,明显提高效率,且性能优于其它算法.     

基于深层标签和K-Means++算法的电力用户画像研究

以电力用户的基础属性、电力公司业务办理系统数据以及95598工单数据为基础数据源,经过数据预处理后,采用自然语言处理的方法对用户咨询内容进行标签提取,建立用户画像标签库,进而提出基于深层标签和K-Means++算法的电力用户画像方法.实验结果表明,相比现有相关研究方法,构建的用户标签覆盖率较高、用户画像细粒度较高,F1值高达95.7%,更适合电力营业厅差异化服务客户.     

基于VC++的车牌图像预处理设计与实现

天气、背景或拍摄等因素会造成车牌图像模糊、光照不均等,严重影响了智能交通车牌识别。运用灰度化、二值化、边缘增强等方法对采集到的图像进行预处理,可提高识别率,满足智能交通需求。     

基于谱聚类与多信息特征融合的图像分割算法

为了改善传统基于聚类的图像分割算法对噪声敏感以及仅使用单一特征无法精确描述目标特性等问题,提出了一种基于区域的多特征图像分割算法。首先,使用 Meanshift 算法对原图像进行预分割,获得一组区域块;其次,提取每个区域块的颜色特征和纹理特征,使用 FCM 算法分别对每个特征进行聚类,针对每个特征获得一个类标签邻接矩阵;再次,将多个邻接矩阵叠加,形成多特征邻接矩阵;最后,使用 NCUT 算法对叠加邻矩阵进行聚类,获得最终分割图像。实验结果表明,基于区域多特征的分割算法优于对比算法,融合多特征对图像分割可以更准确地识别不同的目标结构,具有更好的分割效果。