利用2D小波變換實(shí)現(xiàn)信號(hào)的噪聲壓制（根據(jù)數(shù)據(jù)信號(hào)在二維小波域的特征，設(shè)置協(xié)調(diào)系數(shù)，將噪聲的系數(shù)衰減，而最大程度的保留有效信息）。
上傳時(shí)間： 2013-12-19
上傳用戶：wangdean1101
基于歸一化互相關(guān)系數(shù)的算法在模板匹配和特征跟蹤中運(yùn)用十分廣泛,但缺點(diǎn)是其計(jì)算量很大. 為此提出了一種在 空間域利用盒形基簡(jiǎn)化互相關(guān)的快速算法,在不修改歸一化互相關(guān)匹配原理的前提下,用原模板圖像在一組正交盒形基張成 的子空間上的投影取代原圖像來(lái)進(jìn)行互相關(guān)計(jì)算,以降低圖像精度來(lái)縮減計(jì)算復(fù)雜度. 實(shí)驗(yàn)說(shuō)明,當(dāng)搜索窗口大小較小時(shí),此 快速算法計(jì)算量明顯小于傳統(tǒng)的頻域快速歸一化互相關(guān)算法. 關(guān)鍵詞:模板匹配歸一化互相關(guān)系數(shù)子空間分解盒形基
上傳時(shí)間： 2016-06-02
上傳用戶：gxrui1991
針對(duì)四元數(shù)矩陣正交特征矢量系求解困難的缺點(diǎn), 本文提出一種獲取四元數(shù)矩陣正交特征矢量集等效、便捷的方法, 其基本思路為: 首先, 構(gòu)造四元數(shù)矩陣定義于復(fù)數(shù)域的導(dǎo)出陣, 并利用該導(dǎo)出陣特征矢量空間的一種特殊的等價(jià)空間間接獲取 相應(yīng)特征值所對(duì)應(yīng)的特征矢量. 然后, 將復(fù)數(shù)矢量轉(zhuǎn)換為四元數(shù)矢量, 按如此方式獲取的對(duì)應(yīng)所有特征值的非零特征矢量則構(gòu) 成原始四元數(shù)矩陣的正交特征矢量系
上傳時(shí)間： 2013-12-09
上傳用戶：xc216
正版網(wǎng)域商城購(gòu)物系統(tǒng)2006后臺(tái)路徑：admin/login.asp管理員帳號(hào)：admin,密碼：admin前臺(tái)購(gòu)買特征:網(wǎng)域購(gòu)物系統(tǒng)前臺(tái)購(gòu)物車部分界面友好，實(shí)現(xiàn)方便輕松的購(gòu)物環(huán)境：分類瀏覽商品或使用搜索工具查找商品；可按價(jià)格、商品分類、關(guān)鍵字搜索商品可打印訂單的詳細(xì)信息以及電子郵件通知；保存購(gòu)物車，查看
標(biāo)簽： admin login 2006 asp
上傳時(shí)間： 2014-01-19
上傳用戶：從此走出陰霾
基于傅里葉變換的掌紋識(shí)別！該方法的基本思想是先將掌紋圖像應(yīng)用傅立葉變換轉(zhuǎn)換到頻域,然后在頻域中進(jìn)行特征提取和描述.提取出來(lái)的特征備用來(lái)索引掌紋數(shù)據(jù)庫(kù),以便當(dāng)一個(gè)新的掌紋圖像被輸入時(shí),可以很快確定該手掌是否已經(jīng)在掌紋庫(kù)中注冊(cè).
上傳時(shí)間： 2017-05-19
上傳用戶：gengxiaochao
圖像的邊緣是指圖像中鄰域灰度有顯著變化 的像素的集合。它是圖像的基本特征, 因此邊緣檢 測(cè)方法在圖像處理中成為一個(gè)十分重要的課題。經(jīng) 典的邊緣提取方法是考察圖像的每個(gè)像素在某個(gè)鄰 域內(nèi)灰度的變化, 利用邊緣鄰近一階或二階方向?qū)? 數(shù)變化規(guī)律, 用簡(jiǎn)單的方法檢測(cè)邊緣。但是, 因?yàn)檫? 緣和噪聲都是高頻信號(hào), 因此許多經(jīng)典邊緣檢測(cè)算 法很難在邊緣和噪聲中做出取舍。在眾多的邊緣檢 測(cè)算子中, 算子因?yàn)榫哂袃?yōu)良的邊緣檢測(cè)能 力, 因此在圖像處理中得到廣泛應(yīng)用。
上傳時(shí)間： 2014-01-08
上傳用戶：zhanditian
本文提出的特征系統(tǒng)實(shí)現(xiàn)算法是多輸入多輸出的時(shí)域模態(tài)參數(shù)識(shí)別方法,
標(biāo)簽： 特征 多輸入多輸出 參數(shù) 時(shí)域
上傳時(shí)間： 2017-09-02
上傳用戶：JIUSHICHEN
對(duì)脈搏波的完全分析是建立在含有少量噪聲且較為清晰的脈搏波信號(hào)中，然而在采集脈搏波信號(hào)時(shí)容易受到多種干擾的影響，使其提取出來(lái)的脈搏波含有大量的噪聲，因此降噪處理顯得尤為必要。同時(shí)，脈搏波中含有人體生理病理信息，不同的人將表現(xiàn)為不同的特征，可以看出確定脈搏波特征點(diǎn)對(duì)于分析人體生理健康很有意義。針對(duì)信號(hào)去噪問(wèn)題采用小波變換和多分辨率分析的方法，該方法在時(shí)域和頻域都能表征信號(hào)局部信息的能力，且具有對(duì)信號(hào)具有自適應(yīng)性。運(yùn)用極值法確定出脈搏波的峰值點(diǎn)，然后再根據(jù)峰值點(diǎn)確定出其他特征點(diǎn)的位置，實(shí)驗(yàn)證明該方法能夠增加特征點(diǎn)的檢出率。
標(biāo)簽： 脈搏波 信號(hào)降噪 特征點(diǎn)識(shí)別
上傳時(shí)間： 2013-10-12
上傳用戶：shirleyYim
提出了一種用各向異性雙變量拉普拉斯函數(shù)模型去模擬NSCT域的系數(shù)的圖像去噪算法，這種各向異性雙邊拉普拉斯模型不僅考慮了NSCT系數(shù)相鄰尺度間的父子關(guān)系，同時(shí)滿足自然圖像不同尺度間NSCT系數(shù)方差具有各向異性的特征，基于這種統(tǒng)計(jì)模型，文中先推導(dǎo)出了一種各向異性雙變量收縮函數(shù)的近似形式，然后基于貝葉斯去噪法和局部方差估計(jì)將這種新的閾值收縮函數(shù)應(yīng)用于NSCT域，實(shí)驗(yàn)結(jié)果表明文中提出的方法同小波域 BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比，能夠有效地去除圖像的高斯噪聲，提高了圖像的峰值信噪比；并較完整地保持了圖像的紋理和邊緣等細(xì)節(jié)信息，從而明顯改善了圖像的視覺(jué)效果。
上傳時(shí)間： 2013-10-23
上傳用戶：thuyenvinh
第十章 1、 說(shuō)明對(duì)象、類、類結(jié)構(gòu)、消息的基本概念？ 答：對(duì)象：是客觀實(shí)體在問(wèn)題域中的抽象。 類：具有相似或相同性質(zhì)的對(duì)象的抽象就是類。 類結(jié)構(gòu)：類的結(jié)構(gòu)通常有一般----具體（分類結(jié)構(gòu)）整體---抽象（組裝結(jié)構(gòu)） 消息：對(duì)象之間通信的構(gòu)造。 2、 面向?qū)ο蟮奶卣骱鸵兀? 答：特征：一致性、多態(tài)性、分類性、繼承性。要素：共享、封裝、抽象。
上傳時(shí)間： 2013-12-24
上傳用戶：遠(yuǎn)遠(yuǎn)ssad
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
