痕迹图像背景干扰的抑制方法

痕迹图像背景干扰是痕迹检验中经常遇到的问题。抑制痕迹图像背景干扰的传统方法包括光学方法和化学方法。利用数字图像处理方法抑制痕迹图像背景干扰的方法有基于图像配准的痕迹图像背景干扰抑制方法、基于通道相减的痕迹图像背景干扰抑制方法和基于傅立叶变换的痕迹图像背景干扰抑制方法。将传统的光学方法和化学方法与数字图像处理方法结合起来，能实现对痕迹图像背景干扰的更有效的抑制。     

基于PCA的第二代误差掩盖技术

由于基于模型的图像编码技术日益发展,关于第二代的误差掩盖技术的研究已逐渐展开。本文给出第二代误差掩盖的定义的基础上,分析了基于PCA的误差掩盖方法的原理并进行线性和非线性推广,指出其应用前景。     

浅谈Photoshop对摄影作品后期补救和修饰

随着数码相机的普及,Photoshop的照片处理功能越来越贴近我们的日常生活。目前,用于图像处理的软件非常多,Photoshop是其中之一,它是集图像扫描、编辑修改、图像制作、广告创意、包装设计、网页图片设计、照片输入与输出于一体的图形图像处理软件,Photoshop软件在业界赢得了众多设计者的青睐,这些都因为Photoshop在图像处理上有很多独特的优势。本文主要介绍Photoshop对摄影作品进行后期的制作运用技巧。下面向读者推荐几种Photoshop的照片处理技巧。     

煤矿视频监控系统设计方案

为确保安全生产，各矿务局加大了安全设施投入，逐步要实现各厂矿对所属矿井和厂区的实时监视，避免违规作业：同时也能把各厂矿监视到的信息实时送到局机关，便于局机关工作监督、图像数字化、图像存档。煤矿井下作业因为远离地面，地形复杂，环境恶劣，所以容易发生事故。[第一段]     

中心城区街面图像实时监控系统建设的思考

中心城区街面图像实时监控系统是城市治安防控体系的一部分,是把握社会治安主动权的重要举措。它的建设要按需设计,充分挖掘各方资源,搞好系统的整体规划,处理好系统建设中的各种关系。     

中纪委：压缩出国（境）经费和规模

扫描仪大家都见过，三维扫描仪恐怕就不多见了。只要将物体放到圆盘上。启动扫描仪即可扫描出三维图像。     

鼻骨螺旋CT扫描及图像重建技术在法医学中的应用

头面部外伤后鼻骨骨折在法医临床学鉴定中比较常见,在侧位X线片上因影像重叠容易漏诊,因而传统X线技术在鼻骨骨折的诊断上有一定的局限性。作者对临床检查怀疑鼻骨骨折但X线检查不明确的检案都进行鼻骨螺旋CT扫描,并采用多平面重建(M PV R)技术进行图像后处理,结果显示骨折处影像清晰,准确无误。资料、方法与结果本组27例有明确的鼻部外伤,均为男性;其中拳击伤16例,钝器伤11例。病人仰卧于扫描床上,头尽量后仰,置于头托内,扫描定位线与鼻骨长轴平行,层厚3m m,120kv130M a螺距1.5,FO V24cm。扫描范围从鼻尖部至上颌窦后壁。扫描完毕采…     

闭路电视监控系统四大部件的选择（下）

CCTV信号的传输和存贮技术也是电视监控系统的重要组成部件，直接关系到图像的显示质量。近几年来，数字技术的高速发展进一步推动了它在安防系统中的应用。电视监控信号开始从模拟向数字化转换。各种传输介质和网络也层出不穷。我们看到，CCTV技术的进步帮了安全工程人员很大的忙。但对其中的一些东西仍始终没能很好地理解。在此，我们要较详尽地回答以下几个典型问题：     

动态背景人脸检测方法

提出一种动态背景人脸检测方法，这种检测方法大大降低了系统运算的复杂程度并提高了检测速度，是一种高效率通用的图像检测方法。这种方案的提出突破了以往复杂背景人脸检测问题中背景预先提取的限制，使人脸检测达到了真正意义上的自动化。     

基于角膜图像的人体死亡时间推断模型初探

目的尸体角膜随死后时间延长发生的形态学变化是规律性较好的指标,常用来判断死亡时间(postmortem interval,PMI)。本文尝试用机器视觉代替人的肉眼主观判断,收集尸体样本以建立通过人体角膜图像推断PMI的模型。方法收集实际案例建立包含505例人体死后角膜图像的数据库,PMI范围为0.24h(约死后14min)至492h(约死后20.5d),大致分为三类(依次为:0~<6h、6~<20h、20h及以上)或二类(0~<15h、15h及以上);使用由华盛顿大学陈天奇博士提出的Xgboost模型分别进行二分类与三分类分析;使用多种卷积神经网络模型分别进行分类和回归学习,并通过比较最终选择了由微软研究院提出的ResNet模型进行分析。结果Xgboost在三分类时预测准确率依次为71.8%、40.7%、65.7%,二分类时为90%、48.5%。ResNet分类模型中,精准率、召回率在三分类时分别依次为:81%、75%,30%、50%,61%、71%,二分类时为:70%、92%,76%、38%。ResNet回归模型中,比较整个模型的预测结果,0~6h内的预测值与真实值较为接近,均值误差为0.5616,均方误差为0.5873,6h之后开始出现较大误差。结论分类和回归模型都在0~6h之内得到了很好的结果,说明在此时间段内,角膜图像噪声较低,可预测性强。