个人作品
三丫丫哦
THU自动化专业在读硕士
e-mail: yyy_1997_sjz@126.com
github: https://github.com/yyysjz1997
kaggle: https://www.kaggle.com/yyysjz
website: https://yyysjz1997.github.io/
展开
-
《数字图像处理》手动实现修正的α均值滤波+手动实现自适应中值滤波器
1 修正的α均值滤波实现1.1 修正的α均值滤波原理假设在邻域S_xy内去掉g(x,t)最低灰度值的d/2和最高的灰度值的d/2。令g_r (x,t)代表剩下的mn-d个像素。由这些剩余的像素的平均值形成的滤波器就称为修正的α均值滤波器:其中,d的取值范围可以为0到mn-1。当d=0时,修正的α均值滤波器退化为算术均值滤波器。如果选择d=mn-1,则修正的α均值滤波器将退化为中值滤波器。当d取其他值时,修正的α均值滤波器在包括多种噪声的情况下很有用。例如高斯噪声和椒盐噪声混合的情况下。1.2 实验原创 2020-06-27 14:12:27 · 12455 阅读 · 14 评论 -
《数字图像处理》手动实现最佳陷波滤波
1 最佳陷波滤波实现1.1 最佳陷波滤波原理及步骤最佳陷波滤波的可以良好地处理一个以上的干扰分量或者多个周期性的噪声,相比于其他的滤波方法,最佳陷波滤波可以最小化复原的估计值f ̂(x,y)的局部方差。最佳陷波滤波可以分为两步:屏蔽干扰的主要成分,然后从被污染的图像中减去该模式的一个可变的加权部分。首先第一步是提取干扰模式中的主频率分量。空间域中的噪音的相对模式可由下式获得:H_NP (u,v)的形式需要多方面判断哪些是噪声干扰等。第二步是从被污染的图像中减去该模式的一个可变的加权部分,其用公原创 2020-06-27 14:03:03 · 16780 阅读 · 51 评论 -
《数字图像处理》DFT(离散傅里叶变换)及HF(同态滤波)的实现
DFT及HF的实现1 DFT(离散傅里叶变换)的实现1.1 DFT(离散傅里叶变换)的定义及原理对于基于图像的傅里叶变换(二维离散傅里叶变换)的过程如下:首先对于每一行都做一维的傅里叶变换,然后对于每一列做一维的傅里叶变换。具体来说,先对于第1行的N个点做傅里叶变换(实部有值,虚部为0),将变换输出的实部放回原来第1行的实部,将输出的虚部放回第1行的虚部,这样计算完成全部的行之后,图像的实部和虚部包含的是中间数据,然后用相同的办法进行列方向上的相同的傅里叶变换,这样大小为MN的图像经过DFT就得到了一原创 2020-06-27 13:53:18 · 14845 阅读 · 15 评论 -
《数字图像处理》Learn about Superpixel 超像素介绍 非深度学习方法
Learn about Superpixel 超像素1 超像素简介前些年图像分割领域用的较多的“分水岭算法”,在作业中我自己学习了另外一种目前在图像分割领域用的较多的算法——超像素分割算法,通过查阅“超像素”的定义以及基于超像素的图像分割的算法的工作步骤,我熟悉了这一领域,最后我通过阅读SLIC(simple linear iterative clustering,简单线性迭代聚类)这一经典的超像素分割方法进一步熟悉了超像素领域。2003 年,任晓峰教授在图像分割技术层面上提出了超像素分割的这一概念,原创 2020-06-27 13:45:42 · 12921 阅读 · 0 评论 -
《数字图像处理》共生矩阵及其描述子+不变矩 Texture Descriptors
共生矩阵及其描述子 Texture Descriptors1 共生矩阵及其描述子的计算1.1 共生矩阵原理及其描述子表达式共生矩阵统计了灰度图中像素间的灰度值分布规律,并借此区分不同的纹理。 灰度共生矩阵中每个元素的值可以定义为(x,y)点与(x+dx,y+dy)点的值对为(i,j)的概率。统计整幅图像中每一种灰度值组合出现的概率矩阵 P 即为灰度共生矩阵。参考实验PPT中助教给的实例来解释共生矩阵,如图所示:这里考虑的是水平方向的共生矩阵的结果。具体来看,由于(1,1)只出现1次,所以共生矩阵第原创 2020-06-27 13:37:23 · 13155 阅读 · 12 评论 -
使用numpy搭建神经网络,进行手写数字识别-2019
使用numpy搭建神经网络,进行手写数字识别1 实验目的与要求实验要求使用神经网络来完成基于MNIST的手写数字的分类。其中MNIST数据库是由Yann提供的手写数字数据库文件。这个数据库主要包含了60000张的训练图像和10000张的测试图像,囊括了各种手写数字图片。数据样本如下图所示。实验要求使用手动搭建神经网络,实现前后向,参数更新。神经网络结构不限,建议使用CNN,并利用训练好的神经网络对于测试集进行分类,依据初步的分类结果,对所设计的网络结构进行分析与改进,最后对于结果进行分析,并与前两次原创 2020-06-27 13:12:29 · 14763 阅读 · 43 评论 -
《多视图视频编码的帧间预测》(Inter-prediction for Multiview video coding) -2019
Inter-prediction for Multiview video coding(多视图视频编码的帧间预测)1 实验目的与要求在多视角视频领域,对于多角度的视频的大数据量通常需要压缩。在对于高帧率视频的压缩中,我们通常会遇到如下问题,即对于前后相邻的两帧图像,因为十分相似,所以会有许多的冗余(重复性)信息;除此之外,对于同一帧但不同拍摄角度的多幅图像,由于摄像头的角度变动范围较小,所以通常也会存在众多的冗余(重复性)信息。所以在图像压缩中,我们会对于以上的问题进行分析,从而进一步压缩视频的存储规模原创 2020-06-27 12:43:32 · 10960 阅读 · 6 评论 -
项目报告: 《数字图像处理》自动定位、分割、识别汽车车牌 (非深度学习方法,使用传统数字图像处理方法)-2019
自动定位、分割、识别汽车车牌1 实验内容与目的本次《数字图像处理》课程作业要求使用数字图像处理技术自动定位,分割和识别车牌。其中数据需要使用老师提供的数据(50张车牌图片),尽量使用课程中老师讲授的传统的数字图像处理领域的知识,不使用深度学习(除非仅仅使用老师提供的数据集)。2 方法概述整个算法的流程见下表:序号步骤1图像的预处理2车牌粗定位3车牌精定位4车牌区域切割5字符切割6字符识别2.1 图像的预处理由于老师所给的数据集中原创 2020-06-27 12:06:02 · 24125 阅读 · 159 评论 -
基于AI的智能急性颅内出血类型检测-2019
基于AI的智能急性颅内出血类型检测颅内出血(颅骨内出血)是医疗领域严重的健康问题,需要快速且经常进行密集的医学治疗。在美国,颅内出血约占中风的10%,其中中风是导致死亡的第五大原因。在医学界,识别任何出血的位置和类型是治疗患者的关键步骤。现在的情况下需要医生或者是训练有素的专家对于病人的颅骨的医学影像进行查看并找出出血的位置从而判断出具体的出血亚型。通常这个过程很复杂、很耗时间而且会浪费很多的人力物力。所以急需一种图像处理的方法来根据医学影像来检测是否有颅内出血的现象以及具体的颅内出血的类型(亚型)。2原创 2020-06-27 11:11:09 · 11734 阅读 · 0 评论 -
基于OCR的身份证要素提取-2019
基于OCR的身份证要素提取1赛题简介1.1赛题背景我们本次的比赛赛题“基于OCR的身份证要素提取”来自CCF大数据与计算智能大赛(CCF Big Data & Computing Intelligence Contest,简称CCF BDCI)。身份证影像文件包含姓名、地址等多项个人基本信息,信息准确度和权威性高,在商业银行中被广泛应用于身份认证、信息采集等领域。然而,商业银行的影像数据来源渠道复杂,时间跨度很大,质量层次不齐,目前市面上的身份证识别模型尚不能满足银行质量参差的影像识别需求原创 2020-06-27 10:56:41 · 12600 阅读 · 4 评论 -
使用神经网络进行数据预测(TensorFlow+包含数据预处理过程+train+test+predict)(文末有github源代码+数据链接)
0.总览 神经网络、数据预处理、分类问题的入门教程。使用TensorFlow搭建基本的网络,使用one-hot对于数据进行预处理,通过神经网络对数据进行训练,最终取得较好的分类效果,accuracy>97%.1.数据来源 数据来源于可穿戴传感器健康老年人动作识别,在网站注册后即可下载(偶然的机会找到的网站),这是一个十万级的数据集。 下载...原创 2019-03-09 23:26:43 · 19294 阅读 · 7 评论