针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法

基于面部动态表情序列，针对静态表情缺少时间信息等问题，将空间特征与时间特征融合，利用神经网络在图像分类领域良好的特征，对需要进行细节分析的表情序列进行处理，提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks, S-LRCN)的微表情识别方法。首先选取微表情数据集提取面部图像序列，引入迁移学习的方法，通过预训练的卷积神经网络模型提取表情帧的空间特征，降低网络训练中过拟合的危险，并将视频序列的提取特征输入长短期记忆网络(Long short-team memory, LSTM)处理时域特征。最后建立学习者表情序列小型数据库，将该方法用于辅助教学评价

提出了一种基于小波矩不变量和保局投影(LPP)的特征提取方法,并应用于中厚板表面缺陷自动识别.首先对图像做三级小波变分解,将中厚板表面图像的细节分解到各个尺度的各个分量中并利用小波阈值收缩法降噪;然后对各分量的傅里叶幅值谱提取Hu不变矩作为原始特征向量,并利用LPP将该特征向量的维数从77维降到8维;最后利用AdaBoost分类器对样本进行分类识别.实验结果表明,本文提出的特征提取方法适用于中厚板表面缺陷分类,识别率达到91.60%

采用图像分析方法研究铝用石墨质阴极在不同焙烧温度下孔隙结构特征及其演变，考察孔隙率、孔径分布、形状因子、视孔隙比表面积、连通性等参数的变化规律和孔隙复杂度的分形特征.结果表明：随着焙烧温度增加，孔隙率逐渐增大，而视孔隙比表面积、形状因子和连通性呈先减小后增大趋势；石墨质阴极试样不同温度下焙烧生成孔隙均符合分形规律，借助图像分析孔隙结构参数和分形维数可界定不同典型焙烧温度下阴极孔隙结构的演变特征，并据此提出相应的孔隙特征演化模式

一、二维曲线绘图 二、三维曲线绘图 三、动画设计 四、高维可视化 五、图像 六、图像窗功能简介 七、函数绘图的简洁指令

1、什么是扫描仪? 扫描仪是一种获取图像的设备,并将信息 转为电脑可以显示、编辑、存储和输出的数 字格式。即可以完成以下工作:在文件中插 队图和照片;将文字识别,免去打字;将传 真文件扫到库中存档;在多媒体中加入图像 ;在报刊中加入图片有效表达主题

近年来,植物基因组得到迅猛发展,但因缺乏足够的表型数据而限制了人类解析数量性状遗传学的能力。通过开发植物表型信息采集平台和进行图像分析可以加以决。高通量、自动化、高分辨率的植物表型信息采集平台与分析技术对于加快植物改良和育种提高产量和抗病虫害能力至关重要

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

针对海底集矿机采矿环境图像,采用分段线性变换提高图像细节,中值滤波去除悬浮物干扰.利用形态学抗噪声梯度算子提取地形和障碍物轮廓,并用分段线性拟合计算出地表亮度变化率.根据表面亮度变化特征判断障碍物类型,采用自适应形态学对轮廓进行细化与连接.通过障碍投影变换计算出障碍物的距离、高度和宽度等信息.对陆地图像进行了分析,证明位置、高度和坡度等参数计算的可行性.利用上述方法对深海底的图像进行处理,不仅保留了边界信息,且提高了抗干扰能力和抗边界间相互影响能力,可有效识别深海底地形和障碍物,得出位置和形状等参数,可以为集矿机避障系统信息融合技术提供可靠数据

对金相图像进行快速精确分割是金相晶粒评级的关键步骤，利用传统Chan-Vese（CV）模型很难将晶粒精确地提取出来.为了更加精确地对金相图像进行分割，提出一种基于改进CV模型的金相图像分割方法.初始化水平集函数，对曲线内外两部分分别计算其倒数坎贝拉距离，并将该距离的大小作为拟合中心的权重系数，有效抑制了噪声点对区域拟合中心准确性的影响；引入指数熵自适应调节曲线内外能量权重，减少固定能量权重对曲线演化的影响；同时加入距离规范项以避免水平集函数的重新初始化，加速该模型的收敛.实验结果表明，与传统CV模型、测地线活动轮廓模型、距离规范项的水平集模型以及偏置场修正水平集模型相比，所提方法分割出的金相图像更加精确，分割效率较高且模型收敛性较好