行业分类-物理装置-一种基于双点旋转摩擦的内腔表面粗糙度在位检测方法.zip

行业分类-设备装置-基于表面粗糙度的三层纸张模型建模方法.zip

针对平面磨削的特点,采用正交试验方法获取学习样本,用BP神经网络建立砂轮径向切入进给量、轴向进给量和工作台进给速度与表面粗糙度关系模型,并用MATLAB实现对该模型的训练和仿真,由此得出表面粗糙度预测模型。结果显示:该模型具有较高的预测精度,在学习样本的采样区间平均预测误差为3.7%,最大预测误差为7.9%。为平面磨削表面粗糙度预测提供了一种新的可行方法。

行业分类-作业装置- 一种利用磁流体及热固性树脂材料制作模拟贯通节理面粗糙度模具的装置及方法.zip

行业分类-物理装置-一种OTH雷达图像粗糙度的干扰抑制自适应优化方法.zip

计算平均粗糙度、RMS 粗糙度、偏度和峰度。 可以选择过滤图像的低频和高频分量并计算每个分离图像的粗糙度（波纹度和粗糙度分量）。 可以选择将 PCA 模型应用于粗糙度参数（需要 PLS 工具箱） 基本图像处理： - 裁剪，调整大小- 直方图均衡过滤： - 平均- 对比度增强适用于大多数类型的图像格式： JPEG、TIFF、BMP 等（有关格式类型，请参阅 imread） RGB 图像转换为灰度打开包含变量 IMAGES 的 MAT 文件

基于人类对纹理的视觉感知的心理学的研究，Tamura 等人提出了纹理特征的表达[14]。Tamura 纹理特征的六个分量对应于心理学角度上纹理特征的六种属性，分别是粗糙度（coarseness） 、对比度 （contrast） 、 方向度 （directionality） 、 线像度 （linelikeness） 、 规整度 （regularity） 和粗略度 （roughness） 。 其中，前三个分量对于图像检索尤其重要。Matlab实现Tamura特征的提取。

此代码实现了论文中概述的方法： Friedman A、Pizarro O、Williams SB、Johnson-Roberson M，“底栖立体图像重建的粗糙度、斜率和方位的多尺度测量”，PLoS ONE，2012（已接受，在 10/2012 印刷）。 地形复杂性与海洋环境中的生物多样性密切相关。 即使将地形表示为数字水深测量，也有必要将这些数字地形模型抽象为更简单的表示，以便执行分析工作。 生态学家通常使用粗糙度、坡度和坡向等指标来描述栖息地结构。 Rugosity 是一种提供地形复杂性概念的度量。 它是沿起伏地形的实际长度（或面积）与直线距离（或平面投影面积）的比值。 值 1 通常表示平坦的地形，地形的复杂性越高，粗糙度值就越高。 传统上，潜水员使用链带法或剖面测量仪沿着单个线性剖面原位测量精细的粗糙度。 此代码从精细尺度的测深重建计算粗糙度、坡度和坡向的多尺度度量。 它可用于

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

基于偏振摄影技术和MATLAB实现对物体表面粗糙度的检测.pdf