基于CPAL电路和DTCMOS技术的近阈值绝热SRAM

使用混合奇异值阈值算子的图像去噪

激光元件的激光损伤阈值（LIDT）

为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。

针对传统Canny 边缘检测算法的阈值需要人为设定的缺陷，本文提出了一种新的自适应改进方法。该方法 根据梯度直方图信息，提出梯度差分直方图的概念，同时，对图像进行自适应分类处理，使得算法不仅不需要人 工设定阈值参数，而且还能有效地避免Canny 算法在边缘寻找中的断边和虚假边缘现象。对边缘信息丰富程度不 同的灰度图和彩色图像运用该方法寻找边缘的实验结果表明，对于在目标与背景交界处的多数像素梯度幅值较大 的图片，该算法具有边缘检测能力强、自适应能力强的优点

基于双壁碳纳米管低阈值1895nm锁模激光器

基于导波滤波和自适应小波阈值的彩色图像降噪

对一副图像进行分块阈值，可解决光照不均分割不足的问题。通过判断类间灰度差以排除纯背景或纯物体的干扰，详细原理见文章：https://blog.csdn.net/kk55guang2/article/details/78475414

图像分割是图像分析中最关键的任务之一。 阈值确定无疑是最受欢迎的细分方法之一。 在阈值方法中，最小交叉熵阈值（MCET）由于其简单性和阈值的测量精度而被广泛采用。 尽管在二级阈值化的情况下MCET是有效的，但是当涉及多级阈值以穷举搜索多个阈值时，MCET会遇到昂贵的计算。 提出了一种基于遗传算法的改进方案，用于多级MCET中固定阈值的选择。 该方案使用递归编程技术来降低多层MCET中目标函数的计算复杂性。 然后，提出了一种遗传算法来搜索几个接近最优的多级阈值。 根据经验，通过穷举搜索，我们的方案获得的多个阈值与最佳阈值非常接近。 在各种图像上对该方法进行了评价，实验结果表明了该方法在真实图像上的有效性和可行性。

粒子群算法优化BP神经网络matlab代码 可用于人工智能的模式识别等