入图像数字化技术来客观地反映裂隙化岩石的非均质性结构分布，并将其转化成物理参数(渗透系数、 弹性模量等)的分布图，然后将它和数值方法相结合，应用于裂隙化岩石流固热多场耦合分析中。首先需要获得高 清晰度的裂隙岩石数字图像，岩石中不同的结构对应不同的归一化特征值 I 值(图像像素颜色的特征值)，通过 I 值与材料参数之间的一一对应关系就可以得到岩石中不同结构材料物理参数的真实分布。将物理参数分布输入到 我们开发的基于MATLAB 和FEMLAB的岩石多场耦合分析程序中， 就可以得到真实地反映裂隙岩
UC2500WG是UFINE的1080P HD SDI图像处理器，集成了GV7600和Cable Driver，具有极高的系统集成度，可输出HD SDI、CVBS信号，带有BT1120接口，图像清晰度高，可以达到1100线，色彩还原度好，本文对他的软件开发进行详细的说明，希望更多的人了解UC2500WG的开发流程,能将这个芯片用起来
传统方法在图像清晰度识别上主要通过提取图像特征进行识别和预测，由于图像特征的提取存在一定.的复杂度，尤其是对高维图像和在复杂背景环境下的特征提取。针对这一问题提出基于深度学习下的卷积神经网络.（CNN）识别方法，在Convolutional Architecture for Fast Feature Embedding (caffe) 框架下利用GoogLeNet 网络模.型，将样本图像直接作为输入参数，通过卷积神经网络进行模型训练即可得到输出结果，从而省去提取复杂的特征。.通过实验验证上述方法
