<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[JHZ03040513的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/JHZ03040513</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; JHZ03040513]]></copyright><item><title><![CDATA[四象特征向量]]></title><link>https://blog.youkuaiyun.com/JHZ03040513/article/details/129780748</link><guid>https://blog.youkuaiyun.com/JHZ03040513/article/details/129780748</guid><author>JHZ03040513</author><pubDate>Sun, 26 Mar 2023 16:26:28 +0800</pubDate><description><![CDATA[这个代码通过逐帧读取视频，计算相邻帧之间的帧间差分，将差分结果分成三个颜色通道和一个Motion Feature Map，然后计算四象特征向量q(x,y,t)，其中q(x,y,t)的每个元素由m(x,y,t)和不同颜色通道的帧间差分结果f1(x,y,t)、f2(x,y,t)、f3(x,y,t)以及一个常数f4(x,y,t)组成。# 将差分结果分成三个颜色通道。# 判断是否读取到视频末尾。# 计算四象特征向量。# 初始化四象特征向量。# 显示四象特征向量。]]></description><category></category></item><item><title><![CDATA[Motion Feature Map]]></title><link>https://blog.youkuaiyun.com/JHZ03040513/article/details/129780767</link><guid>https://blog.youkuaiyun.com/JHZ03040513/article/details/129780767</guid><author>JHZ03040513</author><pubDate>Sun, 26 Mar 2023 16:25:02 +0800</pubDate><description><![CDATA[这个代码与前面的代码基本相同，不同的地方在于，对MC矩阵取反，然后使用`cv2.applyColorMap()`函数将MC矩阵转换为彩色图像，最终生成一个Motion Feature Map。该特征图中，白色表示静止的区域，而其他颜色表示在视频中运动的区域，颜色越深表示该像素在整个视频中的运动越频繁。# 生成Motion Feature Map。# 显示Motion Feature Map。# 判断是否读取到视频末尾。# 将差分结果二值化。]]></description><category></category></item><item><title><![CDATA[QDCT应用]]></title><link>https://blog.youkuaiyun.com/JHZ03040513/article/details/129780736</link><guid>https://blog.youkuaiyun.com/JHZ03040513/article/details/129780736</guid><author>JHZ03040513</author><pubDate>Sun, 26 Mar 2023 16:23:33 +0800</pubDate><description><![CDATA[这个代码首先读取四象特征向量q(x, y, t)，然后计算QDCT系数，并根据QDCT系数计算频率特征图Q(u, v, t)。接着，通过符号函数提取变换区域的显著区域，并对频率特征图Q(u, v, t)进行逆变换，将逆变换后的频率特征图转换回空间域。最后，对结果进行高斯滤波，并使用S(x, y, t)得到最终重建的目标检测结果。# 使用S(x, y, t)得到最终重建的目标检测结果。# 对频率特征图Q(u, v, t)进行逆变换。# 计算频率特征图Q(u, v, t)# 提取变换区域的显著区域。]]></description><category></category></item><item><title><![CDATA[QDCT python算法]]></title><link>https://blog.youkuaiyun.com/JHZ03040513/article/details/129739897</link><guid>https://blog.youkuaiyun.com/JHZ03040513/article/details/129739897</guid><author>JHZ03040513</author><pubDate>Thu, 23 Mar 2023 21:27:49 +0800</pubDate><description><![CDATA[最后，我们通过将逐点的乘积应用于滤波后的结果和原始结果，使用np.abs返回一个全正的结果，并且得到最终重建的目标检测结果。在本文中，我们将介绍如何将QDCT应用于4维信号q（x，y，t），并给出Q（u，v，t）的Python代码。I Q D C T是一种广泛应用于图像和视频处理的变换方法，可以将时域上的信号转换为频域上的信号，并提取出频域上的特征。现在，我们可以很容易地使用上述Python代码来计算给定4维信号q（x，y，t）的频率特征图Q（u，v，t）。首先，我们定义一个函数来计算IQDCT。]]></description><category></category></item><item><title><![CDATA[题目：c语言填充代码]]></title><link>https://blog.youkuaiyun.com/JHZ03040513/article/details/128336510</link><guid>https://blog.youkuaiyun.com/JHZ03040513/article/details/128336510</guid><author>JHZ03040513</author><pubDate>Thu, 15 Dec 2022 22:44:13 +0800</pubDate><description><![CDATA[请补写c语言for循环代码]]></description><category></category></item><item><title><![CDATA[c语言初级 if-else 嵌套的用法]]></title><link>https://blog.youkuaiyun.com/JHZ03040513/article/details/128336425</link><guid>https://blog.youkuaiyun.com/JHZ03040513/article/details/128336425</guid><author>JHZ03040513</author><pubDate>Thu, 15 Dec 2022 22:37:20 +0800</pubDate><description><![CDATA[求分数等级_改进_考虑用户输大于100或小于0的情况]]></description><category></category></item></channel></rss>