搜索筛选:
搜索耗时1.3601秒,为你在为你在102,285,761篇论文里面共找到 13 篇相符的论文内容
发布年度:
[学位论文] 作者：邢藏菊,
来源：中国科学院半导体研究所 年份：2001
人脸自动识别技术有广阔的应用前景和迫切的现实需求,是当前模式识别领域最热门的研究方向之一.人脸是一种复杂模式,从背景中检测人脸是一个困难但却很重要的问题.该论文首先...
[学位论文] 作者：邢藏菊,
来源：北京邮电大学 年份：1998
该文介绍了一种医学CT图像辅助诊断系统的软件设计和实现.首先,综述了三维数据场可视化所用到的计算机图形学的基本理论和方法.在仔细研究了各种三维数据场可视化方法的基础...
[期刊论文] 作者：付苗,邢藏菊,,
来源：电子设计工程 年份：2017
对跟踪-学习-检测(Tracking-Learning-Detection,TLD)目标跟踪算法进行改进,在原算法中的跟踪模块和检测模块之间引入了帧间差检测方法,将帧间差法检测到的含有前景目标的窗口传送给TLD检测模块的级联分类器,提高算法的效率以及准确性。并对TLD算法中的重叠度重......
[期刊论文] 作者：马岩, 邢藏菊, 肖亮,
来源：波谱学杂志 年份：2022
采用膝关节模型进行电磁仿真是计算膝关节局部射频功率沉积（SAR）的主要方法，为了构建膝关节模型，本文提出了一种包含两个卷积神经网络——U-Net的级联网络结构，用于膝关节磁共振图像的分割．第一个网络在整幅图上分割肌肉、脂肪等占比较大的组织，并从分割结果中预测软骨......
[期刊论文] 作者：何苏勤,刘媛,邢藏菊,,
来源：计算机工程与设计 年份：2011
为了避免全零DCT（离散余弦变换）系数进行变换与量化产生的冗余计算，从H．264中的DCT公式与量化原理出发，结合视频图像残差系数的分布规律，在分析现有算法存在的误判与漏判的基础上，提......
[期刊论文] 作者：邢藏菊, 温兰兰, 何苏勤,,
来源：小型微型计算机系统 年份：2015
在跟踪-学习-检测(tracking-learning-detection,TLD)框架中,跟踪器采用传统的归一化互相关(Normalized Cross Correlation,NCC)算法完成图像的匹配.该方法具有较强抗噪声能...
[期刊论文] 作者：邢藏菊,温兰兰,何苏勤,,
来源：电子设计工程 年份：2015
基于特征点的图像匹配方法的关键是准确快速地将可靠的特征点提取出来。经典归一化互相关匹配法属于基于特征点匹配方法中的一种,归一化互相关匹配法具有操作简单,匹配精度高等优点,但其计算量庞大,难以满足实时跟踪的要求。提出了一种基于序贯相似性检测的归一......
[期刊论文] 作者：何苏勤,刘静,邢藏菊,,
来源：电子设计工程 年份：2012
为了实现基于DSP的H.264视频编码器的实时性能,提出了一系列优化实现方法。首先结合TMS320DM6437硬件特点,描述了X264代码向TMS320DM6437平台的移植过程和优化方法,重点介绍...
[期刊论文] 作者：罗予晋, 邢藏菊, 王守觉,,
来源：电子学报 年份：2001
为了观测使用人工神经网络作为控制器的实际的自动控制系统的控制效果 ,我们开发了一种实时闭环仿真系统 .该仿真系统具有两个独立的部分 :一部分是被控对象部分 ,由PC计算机...
[期刊论文] 作者：邢藏菊,曲延锋,王守觉,
来源：计算机辅助设计与图形学学报 年份：2002
基于所构造的一个适合于各种脸形和角度 (双眼可见 )的人脸模型 ,利用人脸的灰度信息、梯度信息和对称性信息 ,提出一种基于区域统计特性的快速人脸检测算法 ,并对其鲁棒性进行实验 .该算法一次可以检测一个范围的人脸图像 ,并在检测过程中给出双眼位置 ,可用于......
[期刊论文] 作者：邢藏菊,曲延锋,徐健,王守觉,
来源：电子与信息学报 年份：2002
该文提出了一种用于抑制椒盐噪声的多窗口中值滤波算法。算法在执行过程中根据具体情况采用不同大小的滤波窗口。仿真结果表明,与标准中值滤波算法相比,该方法不仅可以有效去除图像中的椒盐噪声,特别是在噪声密度非常大的情况下,表现了很好的性能。......
[期刊论文] 作者：邓浩江,王守觉,邢藏菊,李倩,
来源：电路与系统学报 年份：2001
从语音信号特征矢量的空间映射出发,在二元分裂算法的基础上提出了一种分裂合并的聚类算法,并用于与文本无关的说话人识别研究,初步建立了基于聚类统计的开放系统.该系统用说...
[期刊论文] 作者：邢藏菊, 王守觉, 邓浩江, 罗予晋,,
来源：中国图象图形学报 年份：2001
提出了一种新的利用局部统计信息 (极值 )的自适应中值滤波方法——极值中值滤波算法 .该方法可以有效地去除图象中的椒盐噪声 ,并保留图象的细节 .本文首先给出了一个噪声判...
相关搜索：
