这是matlab灰度差程序，其中包含阈值的获得和镜头突变的检测，适合初学者
上传时间： 2016-06-12
上传用户：Thuan
这是关于DS18B20的读写程序,数据脚P2.2,晶振12MHZ 温度传感器18B20汇编程序,采用器件默认的12位转化,最大转化时间750微秒 可以将检测到的温度直接显示到AT89C51开发实验板的两个数码管上 显示温度00到99度,很准确哦~~无需校正!
上传时间： 2016-07-18
上传用户：busterman
几种图像处理源码 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进行图像锐化 P0310：图像的高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理
上传时间： 2013-11-25
上传用户：jkhjkh1982
用动态神经网络解决粘度预测的方法，文章介绍了一种用神经网络检测粘度的新方法 适合于学习神经网络的同学开阔眼界用
标签： 动态神经网络
上传时间： 2013-12-19
上传用户：zhouchang199
SURF算法是继SIFT算法后的又一图像不变特征检测算法，除了具有SIFT算法稳定高效的特点外，还极大的降低了SIFT算法复杂度，大大提高了特征检测和匹配的实时性。这里上传的SURF算法的实现源代码
上传时间： 2013-12-21
上传用户：nanshan
图像的边缘是指图像中邻域灰度有显著变化 的像素的集合。它是图像的基本特征, 因此边缘检 测方法在图像处理中成为一个十分重要的课题。经 典的边缘提取方法是考察图像的每个像素在某个邻 域内灰度的变化, 利用边缘邻近一阶或二阶方向导 数变化规律, 用简单的方法检测边缘。但是, 因为边 缘和噪声都是高频信号, 因此许多经典边缘检测算 法很难在边缘和噪声中做出取舍。在众多的边缘检 测算子中, 算子因为具有优良的边缘检测能 力, 因此在图像处理中得到广泛应用。
上传时间： 2014-01-08
上传用户：zhanditian
CDMA多用户检测程序，包括解相关检测及低复杂度的一阶逼近检测。
上传时间： 2014-10-12
上传用户：hgy9473
近年来，TWS耳机市场快速发展，用户量井喷！随之而来的是，消费者对产品的功能要求也越来越高，普通的TWS耳机产品已经不足以满足消费者的需求，定制特殊化的产品，成为了厂商能否在TWS耳机市场占领先机的重要因素。永嘉微电科技专业定制触摸触控方案，也在这关键的时刻，为大家带来有意义的解决方案。 深圳市永嘉微电科技有限公司新出几款TWS蓝牙耳机触摸触控方案： 1：入耳检测触摸方案，替代原有光感+触摸，只需一颗触摸IC就可解决入耳检测，性能稳定，为用户节约成本，提高产品效益。以下是【苹果AirPods耳机】的简介：当 AirPods 戴入耳中时，它们可以立即感知，随后接收来自设备的音频。AirPods 还会在从耳中取出一只耳机时暂停和恢复播放，当同时取出两只耳机时，它会停止播放而不会恢复。当打开“自动人耳检测”但没有佩戴 AirPods 时，音频会通过您设备的扬声器播放 2：入耳检测+单按键触摸开关，替代原有的传统按键功能，并新增了入耳检测功能。触摸多功能定制方案，体积超小，成本低廉，适合蓝牙耳机新方案设计！ 3: 入耳检测方案+单按键触控开关+侧面滑条触摸滑动功能 (调节音量大小等等……) VKD233DS概 述 VKD233DS是单按键触摸检测芯片, 封装体积超小，为DFN6 2*2mm体积，便于蓝牙耳机设计，此触摸检测芯片内建稳压电路, 提供稳定的电压给触摸感应电路使用, 工作电压 2.4V ~ 5.5V，稳定的触摸检测效果可以广泛的满足不同应用的需求,此触摸检测芯片是专为取代传统按键而设计, 触摸检测 PAD 的大小可依不同的灵敏度设计在合理的范围内, 低功耗与宽工作电压, 是此触摸芯片在 DC 或 AC 应用上的特性。输出响应时间大约为快速模式下 46mS @VDD=3V，提供更长输出时间约 16 秒(±35% @ VDD=3.0V) VKD233DR概 述 VKD233DR VinTouchTM 是单按键触摸检测芯片, 封装体积超小，为DFN6 2*2mm体积，此触摸检测芯片内建稳压电路, 提供稳定的电压给触摸感应电路使用,稳定的触摸检测效果可以广泛的满足不同应用的需求,此触摸检测芯片是专为取代传统按键而设计, 触摸检测 PAD 的大小可依不同的灵敏度设计在合理的范围内, 低功耗与宽工作电压, 是此触摸芯片在 DC 或 AC 应用上的特性。输出响应时间大约为低功耗160ms@VDD=3V VKD233DB概述 VKD233DB TonTouc是单按键触摸检测芯片，封装为：SOT23-6，此触摸检测芯片内建稳压电路，提供稳定的电压给触摸感应电路使用，稳定的触摸检测效果可以广泛的满足不同应用的需求，此触摸检测芯片是专为取代传统按键而设计，触摸检测PAD的大小可依不同的灵敏度设计在合理的范围内，低功耗与宽工作电压，是此触摸芯片在DC或AC应用上的特性 入耳检测是随着TWS耳机而兴起的一个黑科技。这一功能目前已被很多高端TWS耳机所采用，它能给使用者带来非常人性化的使用体验，当你戴上耳机时，音乐继续播放；当你取下耳机时，音乐暂停播放。入耳检测带来的智能体验非常受消费者的欢迎。这一功能不只提供了便利性，还能有效的节省电量，为耳机增加使用时间。最新型号功能请联系我司专员了解，谢谢支持！专业触摸芯片定制方案！ 联系人：许先生 联系手机：188 9858 2398 （微） 联系QQ：191 888 5898 E-mail：zes1688@163.com 蓝牙耳机单键触摸一般丝印都是223B，223EB或者233DB，233DH之类的吧 这个都是元泰VINTEK品牌的，你可以搜索一下，比如单键触摸型号有：VKD223EB（普通最新版本）,VKD233B,VKD233DB（内置LDO的触摸IC）,VKD233DH（16秒自动复位的触摸IC，内置LDO）等等，还有多按键的IC. VKD233DS和VKD233DR（2mm*2mm超小体积超薄封装DFN-6，目前市面最小封装体积触摸芯片，适合蓝牙耳机，智能手环，指纹锁等小产品设计开发！）是VINTEK元泰目前的质量和口碑以及性价比较高的新款触摸IC。相关资料也可以百度搜索查找。
上传时间： 2019-10-21
上传用户：szqxw1688
论文-基于红外热成像技术的猪体温检测与关键测温部位识别63页摘要 实现猪体温测量自动化有利于实时监测猪的健康状况、母猪发情和排卵检测等 生理健康状况。本文采用红外热成像仪采集猪的红外热图像，引入化学计量学建模 方法建立体表温度、环境温度与直肠温度间的多元校正模型，同时提出两种关键测 温部位的自动检测方法。主要结论总结如下： (1)建立了母猪体表温度、环境温度与母猪体温之间的一元和多元线性回归模型。研 究发现， 9个身体区域提取的体表温度与直肠温度呈正相关(产O．34～0．68)，其中， 基于耳根区域体表温度平均值建立的一元回归方程效果最优，预测集相关系数RP与 均方根误差RMSEP分别为0．66和0．420C。全特征模型相比一元线性回归方程有更 好的预测效果，RP和RMSEP分别为0．76和O．370C。此外，应用特征选择方法LARS． Lasso确定了7个重要特征建立简化模型，其校正集和预测集的R分别为0．80和 0．80，RMSEs分别为0．30和0．350C。 (2)将卷积神经网络应用于生猪主要测温部位(眼睛和耳朵区域)的直接分割。利用 python构建了四种不同结构的卷积神经网络模型FCN一1 6s、FCN．8s、U．Net一3和U． Net．4。对比分析4种卷积神经网络模型的性能，结果表明U-Net．4网络结构的分割 效果最优，平均区域重合度最高为78．75％。然而，当计算设备的计算力不够时，可 以选用U．Net一3模型以达到较好的分割效果。 (3)提出猪只眼睛及耳根区域关键点的识别方法，将猪只主要测温部位的检测问题 转变为主要测温部位的定位问题。设计具有不同深度的卷积神经网络架构A．E，得 出架构E最优。且当Dropout概率设置为0．6时模型效果最好，验证集平均误差和 预测集平均误差分别为1．96％和2．65％。测试集单张猪脸关键点的预测误差小于5％ 和10％的比例分别为89．5％和97．4％。模型能够很好的定位猪脸关键点，用于猪只 体温测量。 本文采用红外热像仪测量母猪体表温度，通过化学计量学建模为非接触母猪直 肠温度测量提供了更准确、可靠的方法，同时提出两种关键测温部位的自动检测方 法，有助于实现母猪体温测量自动化，为生猪健康管理提供参考。
标签： 红外热成像技术
上传时间： 2022-02-13
上传用户：jiabin
边缘（edge）是指图像局部强度变化最显著的部分.边缘主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间，是图像分割、纹理特征和形状特征等图像分析的重要基础.图像分析和理解的第一步常常是边缘检测（edge detection）.由于边缘检测十分重要，因此成为机器视觉研究领域最活跃的课题之一.本章主要讨论边缘检测和定位的基本概念，并使用几种常用的边缘检测器来说明边缘检测的基本问题图像中的边缘通常与图像强度或图像强度的一阶导数的不连续性有关.图像强度的不连续可分为：（）阶跃不连续，即图像强度在不连续处的两边的像素灰度值有着显著的差异（2）线条不连续，即图像强度突然从一个值变化到另一个值，保持一个较小的行程后又返回到原来的值.在实际中，阶跃和线条边缘图像是很少见的，由于大多数传感元件具有低频特性，使得阶跃边缘变成斜坡型边缘，线条边缘变成屋顶形边缘，其中的强度变化不是瞬间的，而是跨越一定的距离，这些边缘如图6.1所示对一个边缘来说，有可能同时具有阶跃和线条边缘特性.例如在一个表面上，由一个平面变化到法线方向不同的另一个平面就会产生阶跃边缘：如果这一表面具有镜面反射特性且两平面形成的棱角比较圆滑，则当棱角圆滑表面的法线经过镜面反射角时，由于镜面反射分量，在棱角圆滑表面上会产生明亮光条，这样的边缘看起来象在阶跃边缘上叠加了一个线条边缘.由于边缘可能与场景中物体的重要特征对应，所以它是很重要的图像特征。比如，个物体的轮廓通常产生阶跃边缘，因为物体的图像强度不同于背景的图像强度在讨论边缘算子之前，首先给出一些术语的定义：边缘点：图像中具有坐标[门且处在强度显著变化的位置上的点边缘段：对应于边缘点坐标[，门及其方位，边缘的方位可能是梯度角边缘检测器：从图像中抽取边缘（边缘点和边缘段）集合的算法
上传时间： 2022-04-22
上传用户：bluedrops
