【摘 要】
：
随着计算机技术的发展,数字媒体技术在各行各业的应用越来越广泛,因此如何开展数字媒体专业的技术应用课程体系建设成了一个重要的课题。本文从笔者多年的教学实践出发,分析工程实践的全过程,制定了一个基于3DMax和虚拟现实技术的数字媒体技术应用课程体系,有效地提高了教学质量,培养合格的数字媒体专业人才。
论文部分内容阅读
随着计算机技术的发展,数字媒体技术在各行各业的应用越来越广泛,因此如何开展数字媒体专业的技术应用课程体系建设成了一个重要的课题。本文从笔者多年的教学实践出发,分析工程实践的全过程,制定了一个基于3DMax和虚拟现实技术的数字媒体技术应用课程体系,有效地提高了教学质量,培养合格的数字媒体专业人才。
其他文献
冬小麦—夏高粱种植系统作为一种新型农业两熟制系统,是山西省杂粮可持续发展的一项有效措施。为阐明该种植系统农田土壤团聚体粒级分布及稳定性对秸秆还田量的短期响应,试验基于麦粱种植系统,分析了不还田(CK)、半量还田(HR)和全量还田(WR)对土壤团聚体粒级分布特征和稳定指数的影响。结果表明:秸秆还田后,能够显著降低0—30cm土层>10mm和<0.25mm粒级机械稳定性团聚体含量,增加0.25～2mm
作物病害表现在叶片形态上,且外观和内部结构发生变化,生长环境也对病害有一定的影响。将生长环境、叶RGB图像和光谱图像融合,研究并提出一种作物光谱图像相关模型的时空信息挖掘方法,从时间维度、空间维度和光谱维度分析作物病害的光谱反射特征与作物发育、健康状况和生长条件的相关性,建立典型病害特征模型。实验结果表明,图像处理和光谱成像技术的融合方法可以在疾病的早期阶段实现快速、准确和无损诊断。
采用盆栽模拟试验方法,通过设置3种不同处理并于不同生育期测定主要水稻发育指标及土壤理化性质,探讨秸秆全量还田对土壤有效养分状况及水稻形态指标的影响。结果表明:JN10(秸秆还田并施尿素)处理的株高、分蘖数、穗数在不同生长时期均高于N10 (秸秆不还田仅施尿素)、JN0 (秸秆还田不施尿素)处理,其产量最高,为67.02g·盆-1;N10处理产量最低,为33.22g·盆-1。秸秆还田配施氮肥有助于作
为实现自然条件下棉花病害图像准确分类,提出基于改进VGG-16卷积神经网络的病害识别模型。该模型在VGG-16网络模型基础上,优化全连接层层数,并用6标签SoftMax分类器替换原有VGG-16网络中的SoftMax分类器,优化了模型结构和参数,通过微型迁移学习共享预训练模型中卷积层与池化层的权值参数。从构建的棉花病害图像库中随机抽取病害图像样本作为训练集和测试集,用以测试该方法的性能。试验结果表
Image segmentation directly determines the performance of automatic screening technique. However,there are overlapping nuclei in nuclei images. It raises a challenge to nuclei segmentation. To solve t
2018年8月14-16日,由中国体视学学会、中国图象图形学会、陕西省信号处理学会共同发起、轮流主办的首届"图像处理与分析研讨会"在昆明召开。来自全国高校、科研院所的50多名代表参加了研讨会,中国体视学学会副理事长张艳宁教授出席研讨会并致辞。
目的从磁共振噪声图像中分割脑组织(脑脊液、灰质、白质)。方法首先利用K均值分类自动计算三类脑组织的初始灰度分布参数,通过期望最大化算法(Expectation maximization,EM)估计高斯混合模型(Gaussian mixture model,GMM)参数。然后按照空间体素的GMM分类信息改变其相应体素的联合概率的能量函数,控制该能量函数中代表灰度信息的分量,并且自适应地调节图像灰度和
探讨新型酞菁类光敏剂T1介导的光动力诊断(PDD)和光动力治疗(PDT)结肠癌的效果,体外实验检测了光敏剂T1的荧光光谱和吸收光谱(200-800nm),MTT法检测了T1介导的光动力治疗2种结肠癌细胞(CT-26、LoVo)和1种正常细胞(成纤维细胞L929)的效果。取雄性BALB/c裸鼠30只,建立动物肿瘤模型,随机分成正常对照组、肿瘤模型组、PDD组,每组10只,采用荧光分光光度计检测光谱图
The aim of this work is to develop an improved region based active contour and dynamic programming based method for accurate segmentation of left ventricle(LV) from multi-slice cine short axis cardiac
目的从临床经直肠超声(TRUS)图像中自动地分割出前列腺边界。方法选择四川大学华西医院TRUS前列腺图像218幅,其中60幅图像作测试集样本,剩余158幅图像为训练集样本。基于特征学习框架的前列腺超声图像分割方法,首先利用图像的致密尺度不变特征学习框架,快速地从图像中定位前列腺边界,然后从训练得到的多个先验平均形状中,选择与特征分割结果最接近的平均形状作为初始化轮廓,构建离散形变模型能量函数及局部