图像中感兴趣区(region of interesting,ROI)的自动分割是图像信息压缩与模式识别中的重要问题。提出一种图像中感兴趣区的图像信息自动检测算法,通过建立基于BP神经网络的多层检测模型,自动实现图像中ROI的自动检测与分割。并将该模型...图像中感兴趣区(region of interesting,ROI)的自动分割是图像信息压缩与模式识别中的重要问题。提出一种图像中感兴趣区的图像信息自动检测算法,通过建立基于BP神经网络的多层检测模型,自动实现图像中ROI的自动检测与分割。并将该模型用于对车牌图像中牌照区域图像的自动分割。结果表明,该算法稳定性好,能够方便快速地实现特定ROI的自动检测与分割。展开更多
为了解决由于织构漫散度给织构分析带来的估算误差,以达到对材料织构进行更为精确的分析,采用从极图求算ODF(orientation distribution function)中的"二步法"作为基本原理,选择以1°为最小间隔单位划分欧拉空间,对欧拉...为了解决由于织构漫散度给织构分析带来的估算误差,以达到对材料织构进行更为精确的分析,采用从极图求算ODF(orientation distribution function)中的"二步法"作为基本原理,选择以1°为最小间隔单位划分欧拉空间,对欧拉空间所有取向点的取向密度进行了求算,并建立了相应的分析系统.利用该分析系统对鞍钢生产的IF钢冷轧和退火样品进行了计算,并与已成熟的以欧拉角5°为最小间隔单位的ODF求算系统对比.结果表明:以欧拉角1°为最小单位的ODF取向密度分析系统比以欧拉角5°为最小单位的ODF取向密度分析能更确切地表示织构的分布情况.展开更多
文摘图像中感兴趣区(region of interesting,ROI)的自动分割是图像信息压缩与模式识别中的重要问题。提出一种图像中感兴趣区的图像信息自动检测算法,通过建立基于BP神经网络的多层检测模型,自动实现图像中ROI的自动检测与分割。并将该模型用于对车牌图像中牌照区域图像的自动分割。结果表明,该算法稳定性好,能够方便快速地实现特定ROI的自动检测与分割。
文摘为了解决由于织构漫散度给织构分析带来的估算误差,以达到对材料织构进行更为精确的分析,采用从极图求算ODF(orientation distribution function)中的"二步法"作为基本原理,选择以1°为最小间隔单位划分欧拉空间,对欧拉空间所有取向点的取向密度进行了求算,并建立了相应的分析系统.利用该分析系统对鞍钢生产的IF钢冷轧和退火样品进行了计算,并与已成熟的以欧拉角5°为最小间隔单位的ODF求算系统对比.结果表明:以欧拉角1°为最小单位的ODF取向密度分析系统比以欧拉角5°为最小单位的ODF取向密度分析能更确切地表示织构的分布情况.
