阮威
- 作品数：20 被引量：23H指数：3
- 供职机构：台州职业技术学院更多>>
- 发文基金：台州市教育科学规划研究课题台州市社会科学界联合会研究课题更多>>
- 相关领域：自动化与计算机技术文化科学艺术经济管理更多>>
- 基于工作过程的高职《数字图形图像处理技术》课程项目化教学设计被引量：1
- 2011年
- 《数字图形图像处理技术》课程项目化教学设计以培养学生的职业应用能力为出发．置，以“工学结合”的能力训练项目为载体，选择生产实践中的真实项目。作为学习性工作任务，突出“教、学、做一体化”的教学特色，使学生在“做”中“学”，体现“工作过程导向”的教育理念，最终使学生掌握熟练的职业应用技能。
- 阮威金斌英
- 关键词：工学结合
- 一种基于SIFT特征权排序多图关联图像搜索方法被引量：3
- 2019年
- 近年来随着越来越多的基于图像内容搜索方法的出现,单图搜索已经不再新鲜。但是,我们在进行图像搜索与匹配的过程中,只是针对一张图像来作为查询图像。在我们的日常生活中,本地常常存有内容与之相关联的图像,所以本文提出一种基于多图关联的图像搜索方法,将查询图像和本地存储的一些内容相关的图进行联合,并从中筛选出最具有代表性的特征点,对这些特征点进行权重的计算和排序。这种方法大大减少了特征点的数量,增强了图像检索的健壮性。
- 阮威
- 关键词：SIFT特征
- 高动态范围图像色调映射技术与算法
- 2012年
- 高动态范围成像技术(High Dynamic Range Imaging)技术近年来在工业图像处理、机器视觉、三维数字娱乐等领域获得了广泛的应用。作为一种增强型的数字图像获取技术,高动态图像(HDR)在全局照明、真实感绘制方面具有不可替代优势。
- 阮威
- 关键词：高动态范围图像色调映射
- 高动态范围图像(HDRI)编码研究被引量：1
- 2012年
- 在讨论了高动态范围图像的基本理论基础上,分析了高动态范围图像编码的三种技术方法及其特点,最后展望了高动态范围图像技术的应用领域和前景。
- 阮威
- 基于CDIO理念的高职数字图形图像设计与处理课程改革探索及实践
- 针对目前高职数字图形图像设计与处理课程教育存在的问题,文章提出基于CDIO工程教学理念的数字图形图像设计与处理教学改革模式.该教学模式紧紧围绕数字图形图像设计与处理课程能力培养大纲,让学生处于图像处理和图形设计项目逐渐实...
- 阮威金斌英
- 关键词：高等职业院校CDIO理念教学改革
- 文献传递
- 图形设计课程创意思维培养实践研究被引量：1
- 2014年
- 图形设计课程作为动漫专业基础课程,在图形、文字的创意与编排,以及创意思维培养,对动漫专业的学生来说都是不可或缺的。结合图形设计课程,就课程建设中存在的现实问题,提出如何在课程建设中融入创意思维培养的解决方案。
- 阮威
- 关键词：创意思维课程建设
- 基于工作过程的高职《数字图形图像设计与处理》课程开发与建设
- 2013年
- 在《数字图形图像设计与处理》课程开发与建设中,围绕基于工作过程的多项目课程开发模式来展开,针对相关行业岗位,典型工作任务和职业能力要求,将职业领域转换为相应的工作情境,从中遴选出典型工作任务,并按照工作过程来组织教学内容,让学生在实际的工作项目和环境中开展学习活动,体会到"做中学,学中做"的乐趣。
- 阮威金斌英
- 关键词：图像处理课程开发
- 基于XMPP协议的即时通信系统的研究与设计
- 阮威
- 关键词：即时通信IMXMPP协议集群负载均衡
- 基于Asp.net的Flash与数据库通讯实现被引量：5
- 2007年
- Flash通过ActionScript来实现集成外部的数据到Flash应用程序中以允许更复杂和强壮的数据驱动应用程序,Flash和.NET都把它们自己推荐为跨平台的解决方案并且由此相互配合,各取所长。这篇文章将同你一起讨论Flash通过Asp.NET与数据库之间的数据通讯方法。
- 阮威金斌英金旭球
- 关键词：FLASHASP.NETWEB应用程序数据库数据通讯
- 基于动态粒子群优化与K均值聚类的图像分割算法被引量：9
- 2018年
- 为了解决K-means聚类算法图像分割质量过度依赖于初始聚类中心选取,且易于陷入局部最优解等问题,文中提出了一种基于动态粒子群优化(DPSO,dynamic particle swarm optimization)与K-means聚类的图像分割算法DPSOK(dynamic particle swarm optimization and K-means)。通过动态调整惯性系数与学习因子来增强PSO算法的性能;然后计算粒子群适应度方差,找准切换至K-means算法时机;随后,将DPSO输出结果用来初始化K-means聚类中心,使其收敛至全局最优解。最后,通过最小化目标函数的多次迭代,使K-means的聚类中心不断更新,直到收敛。实验结果表明,DPSOK能有效提高K-means的全局搜索能力,在图像分割中它比K-means、PSO获得更好的分割效果。且与粒子群优化与K-means算法(PSOK,particle swarm optimization and K-means)相比,文中DPSOK算法具有更高的分割质量与效率。
- 阮威
- 关键词：图像分割K-MEANS聚类聚类算法
