XiaoMi-AI文件搜索系统
World File Search System灰度
Ghostshot：用电磁干扰操纵CCD摄像机的图像
摘要 - CCCD摄像机在需要高质量图像数据的专业和专业应用中至关重要，并且捕获的图像的可靠性构成了信托计算机视觉系统的基础。先前的工作显示了使用故意电磁干扰（IEMI）将不明显的图像变化为CCD摄像机的可行性。在这项工作中，我们设计了增强功能，Ghostshot的攻击，可以在正常的光条件下使用IEMI注入任何灰度或彩色图像。我们对IEMI效应对注射图像的形状，亮度和颜色的因果关系进行了示意性分析，并通过振幅相位调制实现了对注射模式的有效控制。我们设计了端到端攻击工作流程，并成功验证了对15个商用CCD摄像机的攻击。我们证明了Ghostshot对医学诊断，火灾检测，QR码扫描和对象检测的潜在影响，并发现伪造的图像可以成功地误导计算机视觉系统，甚至是人眼。
empartimanasi kriptografi视觉秘密共享dan
当前时代的技术非常迅速地导致交换信息的过程变得更加容易。但是，对于黑客攻击消息或机密信息的当事人，通常会使用这种易感性。密码学和隐身学成为保护和改善消息安全性或机密信息安全性的解决方案之一。这项研究研究了以灰度成像形式确保数据的最小显着性的视觉秘密共享密码学和隐肌的实施。消息图像被视觉秘密共享密码学伪装，然后隐藏在另一个图像中，加密摄影增强了最小的显着位。增强的最低显着位是至少有意义的位方法，在将其用作隐藏消息的地方而不是最后一个LSB位，而是最后一个LSB位的两个或三个。结果表明，此合并具有很高的安全性，因为它减少了看到发送消息图像的人的怀疑。
L-CoDe：使用颜色对象解耦条件的基于语言的着色
对灰度图像进行着色本质上是一个具有多模态不确定性的病态问题。基于语言的着色提供了一种自然的交互方式，即通过用户提供的标题来减少这种不确定性。然而，颜色-物体耦合和不匹配问题使得从单词到颜色的映射变得困难。在本文中，我们提出了一种使用颜色-物体解耦条件的基于语言的着色网络 L-CoDe。引入了物体-颜色对应矩阵预测器 (OCCM) 和新颖的注意力转移模块 (ATM) 来解决颜色-物体耦合问题。为了处理导致颜色-物体对应不正确的颜色-物体不匹配问题，我们采用了软门控注入模块 (SIM)。我们进一步提出了一个包含带注释的颜色-物体对的新数据集，以提供用于解决耦合问题的监督信号。实验结果表明，我们的方法优于基于标题的最先进的方法。
master.shesis.jonas.kuettner.pdf- livermetebolism
本文中介绍的图像分析工作流程的图形摘要：工作流程始于一组整个幻灯片图像（WSIS），包括WSI染色的苏木精和曙红（H＆E），免疫组织化学染色以及谷氨酰胺合成酶（GS）（GS）和细胞色素p450 isoforms and 3A 4a和3A的WSIS染色。在预处理过程中，将这些图像对准，并分离苏木精和曙红/DAB染色成分，以产生代表每个染色成分的灰度图像。然后通过小叶检测管道处理来自GS和CYP图像的DAB成分，以识别小叶和血管边界。同时，通过脂肪变性检测管道处理了注册的H＆E载玻片，以鉴定大遗posisosis液滴。然后分析来自两个管道的所得数据集，以评估（1）小叶边界和大遗传液滴的几何特性，以及（2）蛋白质表达和大抗殖物的区域分布。
IAES国际人工智能杂志（IJ-AI）
在印度尼西亚，宫颈癌是仅次于乳腺癌的第二大致命疾病。人们使用各种诊断成像方式来确定宫颈癌的位置和严重程度，其中一种是计算机断层扫描 (CT) 扫描。本研究处理的 CT 图像数据集由两类组成，即宫颈癌患者的异常宫颈图像和其他疾病患者的正常宫颈图像。它侧重于分割和分类程序定位宫颈癌区域并根据图像中包含的特征将图像分为正常和异常类别的能力。我们提出了一种新的方法来检测宫颈器官周围的轮廓，并用人工神经网络 (ANN) 对图像数据进行分类。使用的分割算法是基于区域的蛇形模型。宫颈图像区域的纹理特征以灰度共生矩阵 (GLCM) 的形式排列。添加了支持向量机 (SVM) 来确定哪种算法更适合比较。实验结果表明，ANN模型的受试者工作特性（ROC）参数值优于SVM模型和现有方法，灵敏度为96.2%，特异性为95.32%，准确率为95.75%。
IMX560 -AAMV-索尼半导体解决方案
IMX560-AAMV是一种对角线6.25 mm（1/2.9）单光子雪崩二极管（SPAD）TOF深度传感器，带有信号放大像素。通过将597×168的蜘蛛数驱动并求和它们的输出，可以从距离信息中生成3D距离图像，并且可以实现高达300 m的测量距离。可以根据应用程序调整范围操作时的SPAD（宏像素大小）数量。范围操作是通过1 GHz采样操作的，并且生成具有TOF宽度为2024 BIN的直方图（2024 ns）的直方图和12位灰度宽度的宽度，并且可以从结果中检测到Echo的ECHO和峰值。其环境光消除功能可确保其在阳光下更稳定，并且可以在高动态范围内实现距离测量值。其光发射时间控制功能能够补偿激光发射和接收之间的时间延迟。配备了回声和峰值检测功能，数据输出模式，数字信号处理等等，它已进行了优化，以满足LIDAR所需的性能和功能。（应用：FA LIDAR摄像机，工业激光摄像头）
先天性心脏异常在头三个月
f i g u r e 1正常心脏的头三个月超声。4CHV：心脏略微向左，顶点向左指向左侧的角度为45°（ + / - 15°），占据了胸腔的三分之一，胸腔的对称大小和心室，介入的隔膜，插入室内的插入，插入AV阀（心脏的关键的心脏关键）（心脏的关键）（a）（a）；流经AV阀和平行的对称心室填充，没有三尖瓣反流（D）； LVOT（主动脉）指向右侧的右侧灰度和颜色多普勒（B和E）； 3VTV：管道弓，主动脉弓和上腔静脉（C）和静脉上的V形构型，指向左侧的气管（F）。3VTV，三艘气管视图； 4CHV，四个室景观； AV，心室室里； LVOT，左心室流出道。 [可以在wileyonlinelibrary.com上查看颜色图]3VTV，三艘气管视图； 4CHV，四个室景观； AV，心室室里； LVOT，左心室流出道。[可以在wileyonlinelibrary.com上查看颜色图]
（IJCI）在线可在线访问https://ijci.journals.ekb.eg/基于GLCM和LBP功能与PCA和IG
细胞异常会导致脑肿瘤发育。它是全球死亡率的主要原因之一。早期肿瘤发现可以避免数百万死亡。磁共振成像（MRI）是最流行的成像技术之一，可用于早期检测到脑肿瘤，因此可以改善患者的存活率。MRI中肿瘤的可见性得到提高，这有助于随后的治疗。 这项研究试图尽早检测脑肿瘤。 使用MRI的建议的CAD系统有可能帮助医生和其他专家发现脑肿瘤的存在。 这项工作利用机器学习来提高分类精度。 这项工作是在许多顺序的步骤中进行的，包括使用中位过滤器进行MRIS降噪，使用灰度级别的共存在矩阵（GLCM）和局部二元模式（LBP）提取肿瘤特征的特征，然后使用特征IS进行分类（IG），最终使用机器选择Algorith，最终使用了类型确定并将MRI分类为肿瘤或无肿瘤。 使用GLCM和LBP功能的组合特征向量的提出方法的实验结果，使用IG显示98％的精度，使用PCA的精度为97％。 关键词：脑肿瘤； MRI;灰度合作矩阵GLCM;局部二进制图案LBP；功能选择。肿瘤的可见性得到提高，这有助于随后的治疗。这项研究试图尽早检测脑肿瘤。使用MRI的建议的CAD系统有可能帮助医生和其他专家发现脑肿瘤的存在。这项工作利用机器学习来提高分类精度。这项工作是在许多顺序的步骤中进行的，包括使用中位过滤器进行MRIS降噪，使用灰度级别的共存在矩阵（GLCM）和局部二元模式（LBP）提取肿瘤特征的特征，然后使用特征IS进行分类（IG），最终使用机器选择Algorith，最终使用了类型确定并将MRI分类为肿瘤或无肿瘤。使用GLCM和LBP功能的组合特征向量的提出方法的实验结果，使用IG显示98％的精度，使用PCA的精度为97％。关键词：脑肿瘤； MRI;灰度合作矩阵GLCM;局部二进制图案LBP；功能选择。
用于表面裂缝检测的爬壁机器人设计......
摘要：本研究重点设计一种爬墙机器人，用于桥梁、旧混凝土建筑、隧道和水坝等建筑结构的无损检测。机器人的主要目标是确定建筑结构上的表面裂缝。对于粘合机制，采用通用真空吸力机制，可爬过水平和垂直表面。图像处理用于分析使用相机捕获的图像。集成控制和相机固定模块的树莓派适用于系统的图像捕获和控制系统。图像应作为系列发送到计算机进行读取。图像处理算法应用于捕获的图像。应用图像预处理、分割、灰度转换、阈值和边缘检测等算法。使用不同的边缘检测算子，如 canny、sobel、roberts、prewitt 和 log 进行表面裂纹检测。使用图像处理算法估计裂纹参数，即分段裂纹的面积。并以像素值的形式获得输出，然后将其转换为相应的尺寸。关键词：攀爬机器人、气动机构、图像处理、裂纹检测。
多元图像分析（MIA）简介
图像在科学领域已有很长的使用历史，而且使用越来越广泛。代表复杂系统的大量数据只能通过图像可视化来表示。多元图像的来源多种多样。有些是传统意义上的图像（例如卫星数据），而有些则不是（二次离子质谱，SIMS）。几乎所有物理单位都可用于制作图像和多元图像：温度、重力场、阻抗、磁场、电场、质量、波长、超声波长、极化、电子能量等。科学成像领域的一个粗略但实用的细分是卫星成像、医学（临床）成像和显微镜。最简单但有意义的多元图像有两个像素索引（例如图像平面中的宽度和高度）和一个变量索引，组成一个三向数组。从模拟场景或物体到数字图像的一个重要方面是分辨率。多元图像具有空间、强度、光谱和时间（时间）分辨率。典型的旧卫星图像有 512x512 像素，7 个波长带，强度分辨率为 256 级灰度。高空间和强度分辨率是理想的，这使得阵列相当大，计算速度很慢。