介绍了常用数字信号的产生，数字信号处理的相关算法，随机数字信号处理，数字图像处理等。
标签： dsp
上传时间： 2016-04-08
上传用户：杰杰森123
“Huffman-树”不仅能对文本数据进行编码、译码，提高文本数据的传输效率，同时它也能对多媒体数据（如：数字图像、视频等）进行编码、译码，从而实现多媒体数据的压缩存储。目前，在Web互联网上广泛使用的JPEG图像格式就采用了Huffman编码，与其他图像格式（如：BMP、TIF等）相比，同一副图像采用JPEG格式时所需的存储空间是最少的。在这个实验中，请设计一个Huffman编/译码器，并模拟数字图像的压缩存储（编码）和解码显示（译码）的过程。 （1）构造“Huffman-树”： ①读入一个大小为N*M（N为图像的高度，M为图像的宽度）的灰度图像块，该图像中的每个像素（元素）的取值范围是0~255，取值为0表示该像素是“黑色”，取值为255表示该像素是“白色”，其他取值表示介于“黑色”和“白色”之间的灰度值。 ②统计读入图像块中每种灰度值出现的次数，并去除出现次数为零的灰度值，以此作为构造“Huffman-树”所需的权值。 ③说明：在构造“Huffman-树”的过程中，当有多个待合并元素的权值相同时，每次选择灰度值较小的两个元素进行合并。 （2）Huffman编码（压缩存储）：读入新的灰度图像块，利用已建立好的“Huffman-树”对其进行编码，将图像的宽度、高度信息和编码结果保存到文件（如：compress_image.txt）中，同时计算Huffman编码的压缩比并输出。压缩比的计算公式如下：压缩比=原始图像所需比特数/压缩后图像所需比特数。 （3）Huffman译码（解码显示）：读入压缩存储的灰度图像，利用已建立好的“Huffman-树”对其进行译码，将译码结果按照原有宽度、高度还原图像，并将还原之后的图像保存到文件（如：decoding_image.txt）中。
标签： 树
上传时间： 2016-12-02
上传用户：592595
关于利用java进行对数字图像的处理的教程
上传时间： 2016-12-06
上传用户：蝴蝶的愿望
基于DCT变换的抗JPEG压缩的数字图像水印算法
上传时间： 2017-09-28
上传用户：wangzhiqiu
图片处理和图片特征提取一直是图像识别的重点研究方向，采用python进行图片处理和图片特征提取非常有效方便
上传时间： 2018-11-01
上传用户：mm135134
基于matlab实现卷积神经网络的图像识别，对于初学者很有帮助，代码齐全
上传时间： 2019-04-28
上传用户：与可12138
索尼最小CMOS图像传感器IMX415 日本东京索尼公司今年发布一款新型CMOS影像传感器：IMX415，1/2.8 英寸堆叠式4K CMOS影像传感器，刷新全球同类产品的小尺寸纪录； 针对日益扩大的智慧城市相关的市场需求，索尼特别开发了这款新型的应用于安防摄像机的传感器，以满足安防摄像机在防盗、灾难警报、交通监测系统或商业综合体等多种监控应用领域的快速增长需求。目前，在各种场合安装安防摄像机的需求正日益增多，而对于可以安装在任何地方、具有更高图像识别和检测性能的紧凑型安防摄像机的需求也比以往任何时候都要大。未来，用于异常检测和人工智能行为分析的图像识别摄像机的需求也将显著增长。 为了满足这一需求，索尼推出了一系列紧凑型4K CMOS影像传感器，能够同时提供卓越的图像识别和检测性能，以及出色的低光性能表现——这是传统技术难以实现的。索尼丰富的传感器产品线，让人们在多种场景下都能获取高质量图像，从而扩大了安防摄像机的应用范围。IMX415堆叠式CMOS影像传感器采用了索尼独有的高灵敏度，低噪点技术，将像素尺寸缩至1.45平方微米,比前代产品*3缩小约80%，尽管该传感器只有1/2.8英寸，其低光性能却是前代产品的1.5倍*3。缔造出破纪录的 1/2.8英寸堆叠式4K CMOS影像传感器，并具备卓越的低光性能。该传感器采用低噪点电路堆叠式结构，即使在黑暗环境下也可以捕捉到清晰的图像。由于它尺寸小，可适用于多种场景，在安防摄像机应用方面需求量很高。
上传时间： 2021-12-13
上传用户：
CCS ( Code Composer Studio )开发工具是德州仪器公司(TI)针对DSP开发的集成软件开发环境，TI的每个DSP系列对应不同的CCS 。CCS的功能十分强大，它集成了代码的编辑，编译，链接和调试等诸多功能
上传时间： 2021-12-21
上传用户：
这是我在做大学教授期间推荐给我学生的一本书，非常好，适合入门学习。《python深度学习》由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。作者在github公布了代码，代码几乎囊括了本书所有知识点。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。但是有一个小小的遗憾：代码的解释和注释是全英文的，即使英文水平较好的朋友看起来也很吃力。本人认为，这本书和代码是初学者入门深度学习及Keras最好的工具。作者在github公布了代码，本人参照书本，对全部代码做了中文解释和注释，并下载了代码所需要的一些数据集（尤其是“猫狗大战”数据集），并对其中一些图像进行了本地化，代码全部测试通过。（请按照文件顺序运行，代码前后有部分关联）。以下代码包含了全书约80%左右的知识点，代码目录：2.1: A first look at a neural network（ 初识神经网络）3.5: Classifying movie reviews（电影评论分类：二分类问题）3.6: Classifying newswires（新闻分类：多分类问题 ）3.7: Predicting house prices（预测房价：回归问题）4.4: Underfitting and overfitting（ 过拟合与欠拟合）5.1: Introduction to convnets（卷积神经网络简介）5.2: Using convnets with small datasets（在小型数据集上从头开始训练一个卷积网络）5.3: Using a pre-trained convnet（使用预训练的卷积神经网络）5.4: Visualizing what convnets learn（卷积神经网络的可视化）
上传时间： 2022-01-30
上传用户：
华为AI安全白皮书2018-cn近年来，随着海量数据的积累、计算能力的发展、机器学习方法与系统的持续创新与演进，诸如图像识别、语音识 别、自然语言翻译等人工智能技术得到普遍部署和广泛应用。越来越多公司都将增大在AI的投入，将其作为业务发展 的重心。华为全球产业愿景预测：到2025年，全球将实现1000亿联接，覆盖77%的人口；85%的企业应用将部署到 云上；智能家庭机器人将进入12%的家庭，形成千亿美元的市场。 人工智能技术的发展和广泛的商业应用充分预示着一个万物智能的社会正在快速到来。1956年，麦卡锡、明斯基、 香农等人提出“人工智能”概念。60年后的今天，伴随着谷歌DeepMind开发的围棋程序AlphaGo战胜人类围棋冠 军，人工智能技术开始全面爆发。如今，芯片和传感器的发展使“+智能”成为大势所趋：交通+智能，最懂你的 路；医疗+智能，最懂你的痛；制造+智能，最懂你所需。加州大学伯克利分校的学者们认为人工智能在过去二十年 快速崛起主要归结于如下三点原因[1]：1）海量数据：随着互联网的兴起，数据以语音、视频和文字等形式快速增 长；海量数据为机器学习算法提供了充足的营养，促使人工智能技术快速发展。2）高扩展计算机和软件系统：近 年来深度学习成功主要归功于新一波的CPU集群、GPU和TPU等专用硬件和相关的软件平台。3）已有资源的可获得 性：大量的开源软件协助处理数据和支持AI相关工作，节省了大量的开发时间和费用；同时许多云服务为开发者提供 了随时可获取的计算和存储资源。 在机器人、虚拟助手、自动驾驶、智能交通、智能制造、智慧城市等各个行业，人工智能正朝着历史性时刻迈进。谷 歌、微软、亚马逊等大公司纷纷将AI作为引领未来的核心发展战略。2017年谷歌DeepMind升级版的AlphaGo Zero横 空出世；它不再需要人类棋谱数据，而是进行自我博弈，经过短短3天的自我训练就强势打败了AlphaGo。AlphaGo Zero能够发现新知识并发展出打破常规的新策略，让我们看到了利用人工智能技术改变人类命运的巨大潜能。 我们现在看到的只是一个开始；未来，将会是一个全联接、超智能的世界。人工智能将为人们带来极致的体验，将 积极影响人们的工作和生活，带来经济的繁荣与发展。
上传时间： 2022-03-06
上传用户：
