当前位置： 首页 > news >正文

28、论文阅读：基于像素分布重映射和多先验Retinex变分模型的水下图像增强

news 来源：原创 2025/6/9 6:43:14

A Pixel Distribution Remapping and Multi-Prior Retinex Variational Model for Underwater Image Enhancement

  • 摘要
  • 介绍
  • 相关工作
    • 基于模型的水下图像增强方法：
    • 无模型水下图像增强方法：
    • 基于深度学习的水下图像增强方法：
  • 论文方法
    • 概述
    • 像素分布重映射（PDR）模块
      • 1、像素预补偿
      • 2、通道拉伸
      • 3、像素分布重映射
    • 多先验亮度补偿（MPLC）模块

Retinex Variational Model for Underwater Image Enhancement)

摘要

高质量的水下成像对水下探索至关重要。然而，由于海水的颗粒散射和光吸收，图像清晰度显著降低。为了解决这些问题，我们提出了一种结合像素分布重映射（PDR）和多优先级Retinex变分模型的新型水下图像增强（UIE）方法。我们设计了一种针对严重衰减通道的预补偿方法，有效防止了颜色校正过程中产生新的颜色伪影。通过结合通道间的耦合关系，我们计算了一个限制因子，用于重映射像素分布曲线以提高图像对比度。此外，考虑到显著的噪声干扰，我们在构建变分模型时引入了先验知识，包括水下噪声和纹理先验，并设计了符合水下特征的惩罚项，以去除反射分量中的过多噪声。我们的方法通过快速求解器高效地解耦了光照和反射分量。随后，利用伽马校正调整光照分量，并融合校正后的光照和反射分量，重建出最终自然的输出图像。通过对各种数据集的全面评估，我们的方法显著超越了当前的最新技术（SOTA）方法。结果表明，我们的方法在纠正颜色偏差和补偿水下图像的亮度损失方面具有良好的效果。

介绍

在这里插入图片描述
在这里插入图片描述
【强衰减通道补偿对颜色校正的结果。（a）-（f）中的顶行示出了没有补偿强衰减的颜色校正结果，导致显著的伪像。底行展示了在我们的方法对强衰减通道进行补偿之后的增强结果。】

清晰的水下图像是探索海底资源、水体污染监测和广泛科学研究的基本前提。因此，获得清晰的水下图像已成为一个重大挑战 [1], [2], [3]。然而，由于水下环境的复杂性和光照条件的变化，水下图像可能由于光衰减和悬浮颗粒散射而面临颜色失真、亮度损失和对比度低的问题 [4], [5], [6]。因此，各种方法已被探索以应对分析水下图像的挑战。

图1(b) 表明，不同光波长在水中衰减率不同。较长的波长，如红光，衰减得更快，而较短的波长，如蓝光，衰减较慢。这种衰减差异通常给水下图像带来蓝绿偏色，正如以往研究 [7] 所讨论的。传统的颜色偏差校正方法通常在强衰减通道上进行处理，而没有预补偿，从而导致增强后的明显伪影（见图2）。此外，也有基于物理模型的方法试图逆转水下环境中图像退化过程，通过建立先验条件 [8], [9], [10]。然而，这些方法在复杂的水下环境中通常表现不佳，正如我们早期的研究 [11] 所强调的。

水下图像传播的亮度退化，主要是由于颗粒散射和光吸收，提出了显著挑战 [12], [13], [14], [15]。一种常见的解决方案是应用Retinex理论，这涉及分解光照分量以增强图像亮度，如图1(a)所示。Retinex理论旨在去除或减少入射图像对原始图像的影响，保留物体的反射特性。基于Retinex的图像增强解耦了亮度分量和反射分量，然后调整亮度分量以消除不均匀照明的影响，从而提高图像的视觉效果。然而，传统的基于Retinex的方法忽略了水下特定先验知识在分解过程中的作用。这种忽视导致照明和反射分量之间的高度耦合，导致增强后的图像曝光过度和细节丢失。

在本文中，我们提出了一种新颖的水下图像增强方法来解决颜色偏移和亮度损失。我们的方法的关键贡献总结如下：

  • 我们提出了一种新的颜色校正方法，与传统的颜色恒常性方法不同，通过对强衰减通道的像素值进行预补偿来防止颜色伪影。此外，该方法采用了一种创新的直方图均衡化来重新分配像素值，增强图像对比度并减少过度或欠增强区域的差异，从而获得均匀的最终增强图像。

  • 我们采用Retinex理论进行水下成像，通过将水下噪声、纹理和梯度的先验知识集成到带有噪声项的变分模型中。我们设计了针对水下场景的具体惩罚项，成功解耦了照明和反射分量，同时减少了噪声的放大。

  • 我们将UIE复杂过程分解为三个子任务，通过块坐标下降 [16]、最小二乘法 [17] 和预条件共轭梯度 (PCG) [18] 方法来解决每个子问题。我们通过高效的像素级处理来解决这些子问题。

本文的组织结构如下：第 II 节回顾了水下图像增强的相关工作。第 III 节详细描述了我们的方法。第 IV 节展示了我们方法的广泛实验验证结果。最后，第 V 节讨论了结论与未来的建议。

相关工作

近年来，许多努力集中在改善退化水下图像的可见性上，现有技术大致分为三类：基于模型的水下图像增强（UIE）方法、无模型水下图像增强方法和基于深度学习的水下图像增强方法。

基于模型的水下图像增强方法：

这些方法通常依赖于基于先验假设建立物理成像模型。关键参数被估计以逆转水下成像的退化过程。例如，文献 [19] 使用偏斜梯度运算符生成准确的透射图，并通过四叉树细分法估计背景光，关注平滑度和颜色变化。Ke 等人 [20] 通过景深和边缘图初步估计透射，并基于波长与散射系数的关系调整通道特定的透射图。为了处理复杂的水下散射，他们引入了具有可变平滑参数的加权最小二乘滤波器进行局部背景光估计。Zhou 等人 [21] 开发了一种色线模型来处理光散射和吸收问题，通过交替迭代算法解决水下环境中的传输问题。此外，另一项研究 [22] 采用通道强度先验（CIP）和自适应暗像素（ADP）来减弱回散现象，精确处理不同水下场景中的不均匀照明问题。尽管这些物理模型方法在增强效果上表现良好，但它们忽略了人的视觉感知，同时需要复杂的参数设置，这可能限制其适应性并影响增强图像的视觉吸引力。

无模型水下图像增强方法：

这些方法通常避免构建显式的物理成像模型，而是专注于图像像素的空间域调整。例如，Fu 等人 [23] 通过变分方法利用Retinex模型来分离照明分量，并通过交替方向优化进一步增强图像。文献 [24] 提出了一个BayesianRetinex算法，该算法在多尺度梯度先验的基础上进行反射率和亮度的修复。文献 [25] 研发了一种在变分框架内利用照明通道稀疏先验的方法。此外，另一种创新的方法 [26] 采用加权小波视觉感知融合（WWPF），通过衰减地图引导的颜色校正和基于小波的视觉感知融合，实现有效的水下图像增强。然而，这些方法仍然面临噪声放大、伪影出现和过度颜色校正等挑战。

基于深度学习的水下图像增强方法：

深度学习在各种视觉任务中取得了显著突破 [27], [28]。在这一领域，通常采用两种主要策略。一种是构建端到端架构或使用深度模型直接估计物理参数，以恢复退化图像。Wu 等人 [29] 提出了一个多尺度融合生成网络，能够矫正颜色失衡并增强图像对比度。此外，另一种创新发展 [30] 是一种反射率引导的水下图像增强网络，通过整合原始编码器和反射率编码器的输入来减弱不同场景对修复任务的影响，从而提升了严重退化图像的处理能力。Jiang 等人 [31] 通过多尺度密集增强模块、深度美学渲染模块和双通道注意模块，旨在通过处理浑浊和色差来改善水下图像的对比度和颜色偏移。然而，基于深度学习的方法通常需要大量的训练数据，通常需要真实的水下图像。训练阶段不仅耗费资源，而且耗时，这可能限制其在实际水下图像增强场景中的适用性。

论文方法

在这里插入图片描述
【概述了所提出的结合变分模型的UIE方法，包括像素分布重映射子方法（PDR）和多优先级亮度补偿子方法（MPLC）。**在PDR中，首先对输入图像的强衰减通道像素进行预补偿以避免引入色彩伪影，然后通过调整通道像素分布曲线来校正图像的色彩偏差，使其更符合人眼的视觉效果。**该算法结合PDR方法的结果图像和多种先验知识构建优化模型，通过快速求解器求解得到强解耦后的亮度分量，调整亮度曲线以补偿图像的亮度损失。最后，融合反射率和调整后的光照分量重建水下图像。】

概述

我们的方法由两个主要模块组成：像素分布重映射（Pixel Distribution Remapping, PDR）模块和多先验亮度补偿（Multi-Prior Luminance Compensation, MPLC）模块。其中，PDR模块旨在校正水下图像的颜色偏移并增强对比度，而MPLC模块旨在对抗亮度衰减，从而提升图像的清晰度。图3展示了我们方法的详细工作流程。

像素分布重映射（PDR）模块

水下环境和光照条件是导致水下图像质量失真的重要因素，如图 1(b) 所示。这种现象是由水中不同波长的光衰减速率差异引起的。较长波长（如红光）衰减迅速，而较短波长（如蓝光和绿光）在更大深度下更占主导地位。因此，退化的水下图像通常表现为绿色或蓝色调，显著影响视觉质量。

1、像素预补偿

在这里插入图片描述

2、通道拉伸

在这里插入图片描述
在这里插入图片描述

3、像素分布重映射

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

多先验亮度补偿（MPLC）模块

在这里插入图片描述

相关文章：

28、论文阅读：基于像素分布重映射和多先验Retinex变分模型的水下图像增强

A Pixel Distribution Remapping and Multi-Prior Retinex Variational Model for Underwater Image Enhancement 摘要介绍相关工作基于模型的水下图像增强方法：无模型水下图像增强方法：基于深度学习的水下图像增强方法： 论文方法概述像素分布…...

编程日记 2025/6/4 5:00:34

[BJDCTF2020]ZJCTF，不过如此 1

[BJDCTF2020]ZJCTF，不过如此 1 打开实例发现代码审计 需要GET传入text和file参数，然后执行文件包含 text需要读取到I have a dream文本，这边采用data流进行绕过 ?textdata://,I have a dream&filenext.php成功绕过，接下来…...

编程日记 2025/6/1 3:04:05

Hive的in与not in 值中有null的时候注意事项,join where条件等问题

在进行hive SQL查询数据的时候，where条件中使用了in或者not in，但是该值内有null空。 这时，无论是in还是not in，空值都不会进入该条件内，但是使用not in的时候只是希望把自己不想要的数据给排除掉，这时会同…...

编程日记 2025/6/1 11:22:25

大语言模型画图（流程图、框架图）

第一步：向随意大语言模型，描述内容，推荐豆包 豆包 加上下面Prompt 通过Mermaid语法，描述上面流程图 第二步：将生成Mermaid输入流程图生成网站 中文Mermaid - 流程图、关系图在线画图、生成和编辑器...

编程日记 2025/5/27 8:01:52

Oracle创建逻辑目录

Oracle 在执行逻辑备份及还原时，需要用到逻辑目录。 本文就来简单介绍一下逻辑目录相关的操作，希望对大家有所帮助。 ‌1.登录到Oracle数据库‌ 使用具有足够权限的数据库用户登录到Oracle数据库。通常，这需要是管理员账号，如SYS…...

编程日记 2025/5/31 14:49:58

[react] 优雅解决typescript动态获取redux仓库的类型问题

store.getState()是可以获取总仓库的 先拿到函数的类型 再用ReturnType<T> 它是 TypeScript 中的一个内置条件类型&#xff0c;用于获取某个函数类型 T 的返回值类型 代码 // 先拿总仓库的函数类型type StatefuncType typeof store.getState;//再拿函数类型T的返回值类…...

编程日记 2025/6/2 4:27:37

python如何获取excel单元格文字是否加粗

是的&#xff0c;Python 可以获取 Excel 单元格中的文字是否加粗。通常&#xff0c;这需要使用 openpyxl 库&#xff0c;它允许你读取和写入 Excel 文件&#xff08;.xlsx 格式&#xff09;。 以下是一个示例代码&#xff0c;展示如何检查某个单元格的文字是否加粗&#xff1a…...

编程日记 2025/6/2 6:38:04

我的性能优化经验

专业方向&#xff1a;App cpu/memory/gpu/流畅度/响应时间的优化&#xff0c;Anr&#xff0c;Framework CarPowerManagementService模块的&#xff08;STR&#xff09;&#xff0c;从0~1完成性能监控体系搭建&#xff0c;完成3大版本迭代高质量性能交付 响应时间&#xff1a; …...

编程日记 2025/5/28 2:12:38

【Vulkan入门】16-IndexBuffer

TOC 先叨叨 上篇介绍了如何使用VertexBuffer传入顶点信息。两个多星期了我们一直在玩三个点&#xff0c;本篇介绍如何渲染更多的点。 在渲染前考虑一个问题&#xff0c;渲染一个三角形需要三个点&#xff0c;渲染两个相接的三角形需要几个点&#xff1f; 答案是6个点&#xf…...

编程日记 2025/6/3 17:35:53

如何通过HTTP API新建Collection

本文介绍如何通过HTTP API创建一个新的Collection。 前提条件 已创建Cluster&#xff1a;创建Cluster。 已获得API-KEY&#xff1a;API-KEY管理。 Method与URL HTTP POST https://{Endpoint}/v1/collections 使用示例 说明 需要使用您的api-key替换示例中的YOUR_API_KEY、…...

编程日记 2025/6/4 1:52:23

excel 使用vlook up找出两列中不同的内容

当使用 VLOOKUP 函数时&#xff0c;您可以将其用于比较两列的内容。假设您要比较 A 列和 B 列的内容&#xff0c;并将结果显示在 C 列&#xff0c;您可以在 C1 单元格中输入以下公式&#xff1a; 这个公式将在 B 列中的每个单元格中查找是否存在于 A 列中。如果在 A 列中找不到…...

编程日记 2025/5/31 10:25:30

实验16 循环神经网络（3）

目录 1.数据处理 1.1.数据集下载 1.2.数据加载 1.2.1读取数据 1.2.2词表转换 1.2.3封装数据 2. 模型构建 2.1汇聚层算子 2.2模型汇总 3. 模型训练 3.1模型训练 3.2绘制准确率和损失函数图像 4. 模型评价 5. 模型预测 6. 基于Torch的单向LSTM 6.1模型修改-只返…...

编程日记 2025/6/1 19:23:35

Docker 清理命令

Docker 清理命令 删除停止的容器&#xff1a;停止的容器仍然会占用磁盘空间&#xff0c;可以使用以下命令删除所有停止的容器&#xff1a; docker container prune删除无用的网络&#xff1a;Docker 创建的网络&#xff0c;如果不再使用&#xff0c;也可以被清理&#xff1a; d…...

编程日记 2025/6/2 10:07:33

游泳溺水识别数据集，对9984张原始图片进行YOLO，COCO JSON, VOC XML 格式的标注，平均识别率在91.7％以上

游泳溺水识别数据集&#xff1a; 对9984张原始图片进行YOLO&#xff0c;COCO JSON, VOC XML 格式的标注&#xff0c;平均识别率在91.7&#xff05;以上 &#xff0c;可识别泳池或者水库中是否有人溺水。 数据集分割 训练组98&#xff05; 9818图片 有效集&#xff05;…...

编程日记 2025/6/2 1:55:36

【计算机网络】应用层

1. 域名系统 DNS 1.1 域名系统概述 域名系统 DNS (Domain Name System) &#xff1a; 互联网使用的命名系统。 用来把人们使用的机器名字&#xff08;域名&#xff09;转换为 IP 地址。 为互联网的各种网络应用提供了核心服务。 域名采用层次树状结构的命名方法。 DNS 是…...

编程日记 2025/6/4 4:10:46

计算机组成原理的学习笔记（1）

学习笔记 前言 本文主要是对于b站尚硅谷的计算机组成原理的学习笔记&#xff0c;仅用于学习交流。 一、hello.c如何运行起来&#xff1f; 1. 预处理阶段 在编译 C 程序时&#xff0c;预处理器首先处理代码。预处理器会&#xff1a; 插入头文件&#xff1a;例如&#xff0c…...

编程日记 2025/6/3 20:00:18

挑战一个月基本掌握C++（第六天）了解函数，数字，数组，字符串

一 C函数 函数是一组一起执行一个任务的语句。每个 C 程序都至少有一个函数&#xff0c;即主函数 main() &#xff0c;所有简单的程序都可以定义其他额外的函数。 您可以把代码划分到不同的函数中。如何划分代码到不同的函数中是由您来决定的&#xff0c;但在逻辑上&#xff…...

编程日记 2025/6/4 11:51:22

《薄世宁医学通识50讲》以医学通识为主题，涵盖了医学的多个方面，包括医学哲学、疾病认知、治疗过程、医患关系、公共卫生等

《薄世宁医学通识50讲》是一门由薄世宁医生主讲的医学通识课程&#xff0c;该课程旨在通过深入浅出的方式&#xff0c;向广大听众普及医学知识&#xff0c;提升公众对医学的认知和理解。 晓北斗推荐-薄世宁医学通识 以下是对该课程的详细介绍&#xff1a; 一、课程概述 《薄世…...

编程日记 2025/5/30 22:48:18

Golang囊地鼠gopher

开发知识点-golang 介绍红队专题-Golang工具Fscan简介主要功能ubuntu 安装windows 安装常用命令：项目框架源文件common目录Plugins目录Webscan目录入口点插件扫描类型爆破插件common.ScantypeWebtitle函数webpoc扫描POC 执行CEL-GO 实践CEL指纹识别免杀源码特征参考链接红队专…...

编程日记 2025/6/4 5:13:13

关于如何正确在测试用例中mock静态方法的问题

文章目录 情况一&#xff1a;希望在测试用例中直接执行静态方法的逻辑情况二&#xff1a;不希望在测试用例中执行静态方法的逻辑插桩方法坑1: 报错SubclassByteBuddyMockMaker原因与解决方案坑2&#xff1a;报错 the existing static mock registration must be deregistered原…...

编程日记 2025/5/31 22:21:19

深度学习0-前置知识

一、背景 AI最大&#xff0c;它的目的是通过让机器模仿人类进而超越人类&#xff1b; ML次之&#xff0c;它是AI的一个分支&#xff0c;是让机器模仿人类的一种方法。开发人员用大量数据和算法“训练”机器&#xff0c;让机器自行学会如何执行任务&#xff0c;它的成功取决于…...

编程日记 2025/6/1 15:28:19

web网页前后端交互方式

参考该文&#xff0c; 一、前端通过表单<form>向后端发送数据 前端是通过html中的<form>表单&#xff0c;设置method属性定义发送表单数据的方式是get还是post。 如使用get方式&#xff0c;则提交的数据会在url中显示&#xff1b;如使用post方式&#xff0c;提交…...

编程日记 2025/6/1 23:30:27

电商大数据的几种获取渠道分享！

在当今数字化时代&#xff0c;电商大数据已成为企业决策和运营的重要基础。如何高效地获取、分析和利用这些数据&#xff0c;对于提升电商企业的竞争力至关重要。本文将详细介绍几种电商大数据的获取渠道&#xff0c;帮助电商从业者更好地掌握数据资源&#xff0c;提升业务洞察…...

编程日记 2025/5/28 0:21:53

【图像配准】方法总结

图像配准(Image registration)就是将不同时间、不同传感器&#xff08;成像设备&#xff09;或不同条件下&#xff08;天候、照度、摄像位置和角度等&#xff09;获取的两幅或多幅图像进行匹配、叠加的过程&#xff0c;就是找到1幅图像像素到另1幅图像像素间的空间映射关系它已…...

编程日记 2025/5/31 2:38:35

SSM 超市管理系统

&#x1f942;(❁◡❁)您的点赞&#x1f44d;➕评论&#x1f4dd;➕收藏⭐是作者创作的最大动力&#x1f91e; &#x1f496;&#x1f4d5;&#x1f389;&#x1f525; 支持我&#xff1a;点赞&#x1f44d;收藏⭐️留言&#x1f4dd;欢迎留言讨论 &#x1f525;&#x1f525;&…...

编程日记 2025/5/28 19:42:08

【Yonghong 企业日常问题04】永洪BI可视化工具Linux部署全攻略(部署详解版)

文章目录 一、准备工作二、服务器环境配置2.1 安装JDK2.2 安装字体 三、产品安装四、相关资料 一、准备工作 在进行部署之前需要有以下几项工作准备&#xff1a; 1.产品安装包 2.对应版本的License 3.对应版本的JDK(推荐JDK11&#xff0c;产品v8版本以上需要JDK11以上版本) 4.…...

编程日记 2025/6/3 16:02:24

ubuntu下gdb调试ROS

参考&#xff1a; 使用VsCode进行ROS程序调试_ros vscode 调试-CSDN博客 https://blog.csdn.net/weixin_45031801/article/details/134399664?spm1001.2014.3001.5506 一、调试准备 1.1 CMakeLists改动 注释文件中的 set(CMAKE_BUILD_TYPE "Release") #构建类…...

编程日记 2025/6/3 13:00:07

scala中正则表达式的使用

正则表达式&#xff1a; 基本概念 在 Scala 中&#xff0c;正则表达式是用于处理文本模式匹配的强大工具。它通过java.util.regex.Pattern和java.util.regex.Matcher这两个 Java 类来实现&#xff08;因为 Scala 运行在 Java 虚拟机上&#xff0c;可以无缝使用 Java 类库&…...

编程日记 2025/6/3 6:31:30

语音识别失败 chrome下获取浏览器录音功能，因为安全性问题，需要在localhost或127.0.0.1或https下才能获取权限

环境&#xff1a; Win10专业版 谷歌浏览器 版本 131.0.6778.140&#xff08;正式版本&#xff09; &#xff08;64 位&#xff09; 问题描述&#xff1a; 局域网web语音识别出现识别失败 chrome控制台出现下获取浏览器录音功能&#xff0c;因为安全性问题&#xff0c;需要在…...

编程日记 2025/6/3 20:40:23

前端本地数据存储方式有哪些

发现宝藏 前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。【宝藏入口】。 在前端开发中&#xff0c;本地数据存储是实现客户端数据持久化的关键技术。以下是几种常见的前端本地数据存储方式&#xff1a; …...

编程日记 2025/5/31 10:34:04

python总说的cd是什么

以下适用于windows环境 cd就是change directory的缩写&#xff0c;即改变目录。 讲cd命令之前&#xff0c;先来看看提示符是什么意思。现在的提示符是c:\> c:说明现在的工作盘是c盘&#xff0c;\告诉我们当前的工作目录是根目录。 >的作用是把工作目录和我们要输入的…...

编程日记 2025/5/31 8:33:52

Mybatis加密解密查询操作（sql前），where要传入加密后的字段时遇到的问题

项目场景&#xff1a; 提示&#xff1a;这里简述项目相关背景&#xff1a; 例如&#xff1a;Mybatis加密解密查询操作&#xff08;sql前&#xff09;&#xff0c;where要传入加密后的字段时遇到的问题 问题描述 提示&#xff1a;这里描述项目中遇到的问题&#xff1a; 例如…...

编程日记 2025/6/3 20:26:40

Netdevops入门基础学习03

1、数据类型 在Python中解释器会自动识别数据类型&#xff0c;但是在C语言中需要手动指定&#xff08;故Python简单易学&#xff09; 字符串&#xff1a; str&#xff08;string&#xff09; 在Python中加了引号的都是字符串整数&#xff1a; int (integer)浮点数&#xff1a; …...

编程日记 2025/5/29 16:41:47

什么是自然语言处理

01.什么是自然语言处理 自然语言处理（Natural Language Processing，简称NLP）是一门跨学科领域，它结合了计算机科学、人工智能、语言学、心理学等多个学科的知识，旨在使计算机能够理解、解释、处理和生成人类语言。自然语言处理的目标是缩小人类语言和计算机之间的差距，使…...

编程日记 2025/6/2 18:56:28

网络安全怎么学习

当我们谈论网络安全时&#xff0c;我们正在讨论的是保护我们的在线空间&#xff0c;这是我们所有人的共享责任。网络安全涉及保护我们的信息&#xff0c;防止被未经授权的人访问、披露、破坏或修改。 一、网络安全的基本概念 网络安全是一种保护&#xff1a;它涉及保护我们的设…...

编程日记 2025/5/29 1:37:33

网络多层的协议详述

网络层 1&#xff09;地址管理&#xff1a;制定一系列的规则&#xff0c;通过地址&#xff0c;在网络上描述出一个设备的位置 2&#xff09;路由选择&#xff1a;网络环境比较复杂&#xff0c;从一个节点到另一个节点&#xff0c;存在很多条不同的路径&#xff0c;需要规划出…...

编程日记 2025/5/29 2:23:27

【C#】方法参数的修饰符ref 与 out

在 C# 中&#xff0c;ref 和 out 是方法参数的修饰符&#xff0c;用于将参数 按引用传递&#xff0c;而不是按值传递。这允许方法修改调用者传递的变量的值。尽管它们的行为类似&#xff0c;但有重要的区别和适用场景。 1. ref 的含义与使用 含义 引用传递&#xff1a; 参数通…...

编程日记 2025/6/2 13:54:26

hpe服务器更新阵列卡firmware

背景 操作系统&#xff1a;RHEL7.8 hpe服务器经常出现硬盘断开&#xff0c;阵列卡重启问题&#xff0c;导致系统hang住。只能手动硬重启。 I/O error&#xff0c;dev sda smartpqi 0000:5c:00:0: resettiong scsi 1:1:0:1 smartpqi 0000:5c:00:0: reset of scsi 1:1:0:1:…...

编程日记 2025/6/4 6:17:58

arcgisPro相接多个面要素转出为完整独立线要素

1、使用【面转线】工具&#xff0c;并取消勾选“识别和存储面邻域信息”&#xff0c;如下&#xff1a; 2、得到的线要素&#xff0c;如下&#xff1a;...

编程日记 2025/5/26 7:30:09

【机器学习】【集成学习——决策树、随机森林】从零起步：掌握决策树、随机森林与GBDT的机器学习之旅

这里写目录标题 一、引言机器学习中集成学习的重要性 二、决策树 (Decision Tree)2.1 基本概念2.2 组成元素2.3 工作原理分裂准则 2.4 决策树的构建过程2.5 决策树的优缺点&#xff08;1&#xff09;决策树的优点&#xff08;2&#xff09;决策树的缺点&#xff08;3&#xff0…...

编程日记 2025/6/4 5:27:34

YOLOv8目标检测——详细记录使用ONNX Runtime进行推理部署C++/Python实现

概述 在之前博客中有介绍YOLOv8从环境安装到训练的完整过程&#xff0c;本节主要介绍ONNX Runtime的原理以及使用其进行推理加速&#xff0c;使用Python、C两种编程语言来实现。 https://blog.csdn.net/MariLN/article/details/143924548?spm1001.2014.3001.5501 1. ONNX Ru…...

编程日记 2025/6/3 18:05:29

联合物种分布模型（JSDM）与Hmsc包：群落生态学数据分析与预测技术

联合物种分布模型&#xff08;Joint Species Distribution Modelling&#xff0c;JSDM&#xff09;在生态学领域&#xff0c;特别是群落生态学中发展最为迅速&#xff0c;它在分析和解读群落生态数据的革命性和独特视角使其受到广大国内外学者的关注。在学界不同研究团队研发出…...

编程日记 2025/5/30 15:19:00

蓝桥杯——竞赛省赛国赛题分享

目录 一.[蓝桥杯 2013 省 AB] 错误票据 代码如下&#xff1a; 二.[蓝桥杯 2024 省 Java B] 报数游戏 代码如下&#xff1a; 讲解&#xff1a; 三.[蓝桥杯 2014 国 C] 拼接平方数 代码如下&#xff1a; 四.三步问题&#xff08;递归&#xff0c;上台阶&#xff09; 代码…...

编程日记 2025/6/4 6:31:41

【ubuntu18.04】ubuntu18.04挂在硬盘出现 Wrong diagnostic page； asked for 1 got 8解决方案

错误日志 [ 8754.700227] usb 2-3: new full-speed USB device number 3 using xhci_hcd [ 8754.867389] usb 2-3: New USB device found, idVendor0e0f, idProduct0002, bcdDevice 1.00 [ 8754.867421] usb 2-3: New USB device strings: Mfr1, Product2, SerialNumber0 [ 87…...

编程日记 2025/5/29 5:34:56

Hive其一，简介、体系结构和内嵌模式、本地模式的安装

目录 一、Hive简介 二、体系结构 三、安装 1、内嵌模式 2、测试内嵌模式 3、本地模式--最常使用的模式 一、Hive简介 Hive 是一个框架&#xff0c;可以通过编写sql的方式&#xff0c;自动的编译为MR任务的一个工具。 在这个世界上&#xff0c;会写SQL的人远远大于会写ja…...

编程日记 2025/6/3 4:13:35

如何在 Ubuntu 上安装 NodeBB 并使用 Nginx 反向代理

简介 NodeBB 是一款基于 Node.js 的开源论坛软件&#xff0c;为在线社区提供了现代化和响应式的解决方案。在 Ubuntu Linux 上运行的 NodeBB 利用了操作系统的强大性和灵活性&#xff0c;以提供高性能和可扩展性。它结合了 MongoDB 或 Redis 进行数据库管理&#xff0c;使其能…...

编程日记 2025/6/3 19:58:47

Linux脚本语言学习--下

4.Bash的变量 4.1.用户自定义变量 4.1.1.什么是变量 变量是计算机内存的单元&#xff0c;其中存放的值可以改变。当Shell脚本需要保存一些信息的时候&#xff0c;如一个文件名或是一个数字&#xff0c;就把他存放在一个变量中。每个变量有一个名字&#xff0c;所以很容易引用…...

编程日记 2025/6/4 10:37:27

基于Spring Boot的医院质控上报系统

一、系统背景与意义 医院质控上报系统旨在通过信息化手段&#xff0c;实现医院质量控制的标准化、流程化和自动化管理。该系统能够帮助医院实时监控医疗质量数据&#xff0c;及时发现和处理潜在的质量问题&#xff0c;从而确保医疗服务的安全性和有效性。同时&#xff0c;系统…...

编程日记 2025/5/31 12:57:54

React 第十七节 useMemo用法详解

概述 useMemo 是React 中的一个HOOK&#xff0c;用于根据依赖在每次渲染时候缓存计算结果&#xff1b; 大白话就是&#xff0c;只有依赖项发生变化时候&#xff0c;才会重新渲染为新计算的值&#xff0c;否则就还是取原来的值&#xff0c;有点类似 vue 中的 computed 计算属性…...

编程日记 2025/6/3 1:24:45

大模型呼入机器人系统如何建设？

大模型呼入机器人系统如何建设&#xff1f; 作者&#xff1a;开源呼叫中心系统 FreeIPCC, Github地址&#xff1a;https://github.com/lihaiya/freeipcc 大模型呼叫中心呼入机器人系统的建设是一个涉及多个环节和领域的综合性工程。以下是一个详细的步骤指南&#xff0c;涵盖了…...

编程日记 2025/6/4 0:26:14