为了提高植物叶片图像的识别率, 采用改进神经网络算法, 通过径向基函数神经网络建立模型; 采用多环量子算法确定各环量子个体选择概率, 量子旋转门在一定范围内动态调整, 不同环上节点信息共享概率非线性动态变化; 对植物叶片图像进行识别, 包括形状特征、纹理特征; 通过多环量子算法实现径向基函数神经网络参数寻优。实验结果表明, 本文算法对植物叶片图像的几何特征、纹理特征、综合特征的平均识别率分别为91%, 89%, 93%, 与其他算法相比较高, 训练、识别时间分别为3.5 s、2.5 s。

针对移动最小二乘算法在图像变形过程中,求解的线性方程组系数矩阵会出现不可逆、求解不稳定的问题,通过引入Tikhonov正则化,运用L-曲线法求解正则参数,对系数矩阵施加约束项从而得到精确解,避免病态方程组的形成;针对在实现图像变形过程中,定位特征点人工量大且特征点不足的问题,运用Dlib库自动提取68个覆盖人脸五官和轮廓的特征点。仿真实验结果表明,与原算法相比,提出的改进算法可以使图像产生清晰、准确的变形。

内含：完整代码和实验报告 通过MTALAB实现小狗图片与天鹅图片的各种噪声滤除，也有图像增强的应用。 非常适用于各学校的数字信号处理大作业。

这是一份完整的数字图像处理课程设计文件，包含基于VC的数字图像均衡化工程设计文件和一份课程设计报告，另外，里面的调用MATLAB语言进行均衡化只是为了对比，其代码和自行到网上下载。

数字图像处理图像分割源代码，用C#写的，可以直接运行

堆场烟雾检测对于火灾预警、保障人员与财产安全具有重要意义。针对传统烟雾检测方法特征提取不充分，误报率偏高以及稳健性较差的问题，提出一种基于并行深度残差网络的堆场烟雾检测方法。该方法利用目标场景烟雾RGB图像的R、G、B分量以及图像HSI变换的H、S、I分量构建并行深度残差网络，自适应获得烟雾特征；同时通过样本扩边、负样本强化学习策略来加强模型对类烟物体的判别能力。实验结果表明，该算法能有效降低因类烟物体产生的误报率，且提升了网络的检出率和稳健性。

数字图像处理图像复原MATLAB程序及仿真，带有源代码，数字图像处理必备。

针对现有方法对肝部医学影像分割上的不足,提出了一种用于对肝部医学影像进行分割的改进型U-Net结构。在上采样过程中只复制池化层特征,以减少信息丢失;同时引入残差网络对初步分割图像进行循环精炼,实现高层特征与低层特征的融合;利用对边界敏感的新型混合损失函数对图像进行细化处理,得到更为精确的分割结果。实验结果表明,肝脏图像和肝脏肿瘤图像的Dice系数分别为96.26%和83.32%。相比传统的U-Net,所提网络可以获得更高级的语义信息,进一步提高对肝脏和肝肿瘤图像的分割精度。

文章针对视觉障碍群体出行困难的问题，在带有摄像头的机器人的辅助下，设计了一种盲道识别的方法。在软硬件协作的情况下，完成对盲道图像的采集、处理、分割及识别的过程，从而在一定程度上解放视觉障碍群体的脑力和双手。文章在简要分析基本结构后，对盲道的图像获取、图像处理、图像分割和图像识别四大模块进行详细介绍。经过反复试验与改进，在计算机视觉模块下，该方法能较为精确地实现盲道的感知及处理。

本程序时用matlab 软件编写的图像增强程序