一般的esprit算法好的時(shí)間比較大，在計(jì)算子空間是算法比較煩，我改了一些矩陣算法。
上傳時(shí)間： 2015-10-20
上傳用戶：q123321
ＯＦＤＭ程序 波形如下 子載波數(shù) 128 ％ 位數(shù)/ 符號(hào) 2 ％ 符號(hào)數(shù)/ 載波 100 ％ 訓(xùn)練符號(hào)數(shù) 0 ％ 循環(huán)前綴長(zhǎng)度 8 (1/16)*T ％ 調(diào)制方式 4-QAM ％ 多徑信道數(shù) 3 ％IFFT Size 128 ％ 信道最大時(shí)延 2
上傳時(shí)間： 2014-01-18
上傳用戶：jqy_china
求數(shù)組最長(zhǎng)遞增子序列算法。輸入一個(gè)數(shù)組，輸出其最大遞增子序列
上傳時(shí)間： 2015-12-02
上傳用戶：jichenxi0730
適合初學(xué)者學(xué)習(xí)使用與學(xué)習(xí)的範(fàn)例.包含範(fàn)圍. 1.RPG行走模式 2.npc置放方法. 3.外部地圖的讀入方式.使用-字串-讀入. 4.物件化的邊界判斷！ 5.超簡(jiǎn)潔邊界與碰撞偵測(cè) 使物件化產(chǎn)生的npc依然保有邊界判斷的能力而不是只仰賴主程式的碰撞偵測(cè). 此亦為完整使用物件的概念.故易於學(xué)習(xí). 使用game api支援！ 故延伸性非常高～ 請(qǐng)使用sun J2ME Wireless Toolkit運(yùn)行 （直接將本資料夾置入Wireless Toolkit裡的apps資料夾即可）
上傳時(shí)間： 2014-01-01
上傳用戶：gengxiaochao
提出了一種快速準(zhǔn)確車輛牌照的分割方法。首先利用形態(tài)學(xué)算子獲取車牌的候選區(qū)域，剔除較小的和較大的區(qū)域；對(duì)保留的候選區(qū)域利用Trajkovic算法獲取角點(diǎn)；最后對(duì)檢測(cè)后的結(jié)果聚類，從而分割出包含車牌區(qū)域的子圖像。
標(biāo)簽： 分割方法 形態(tài)學(xué) 車牌
上傳時(shí)間： 2014-01-02
上傳用戶：hwl453472107
摘 要 該文提出了一種新的圖像閾值分割算法。該算法通過求取最大模糊熵準(zhǔn)則下，灰度均值直方圖的最佳模糊劃分 參數(shù)來確定兩個(gè)模糊集 和 ，圖像分割閾值即選取為兩個(gè)模糊集的交點(diǎn)。該算法用 的模糊熵定義適應(yīng)度函數(shù)， . / 01234 采用改進(jìn)的遺傳算法尋求最佳模糊參數(shù)。該文對(duì)遺傳算法的改進(jìn)包括，給出了縮短染色體碼長(zhǎng)的編碼方法和性能良好的 改進(jìn)的單點(diǎn)交叉算子和均勻變異算子。實(shí)驗(yàn)結(jié)果表明，該算法的分割效果與二維模糊熵算法接近，而計(jì)算時(shí)間還沒有用 到二維模糊熵算法的一半。
上傳時(shí)間： 2013-12-27
上傳用戶：nanfeicui
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進(jìn)行互相關(guān)計(jì)算,以降低圖像精度來縮減計(jì)算復(fù)雜度. 實(shí)驗(yàn)說明,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
文章提出了一種基于Sobel算子和網(wǎng)格的二尺度彩色圖像邊緣檢測(cè)方法.該方法將圖像劃分成預(yù)先設(shè)定大小的網(wǎng)格，在兩個(gè)尺度上對(duì)圖像進(jìn)行分析，完成圖像的邊緣檢測(cè)。首先用Sobel算子求得圖像邊緣，依據(jù)網(wǎng)格內(nèi)含有邊緣像素的數(shù)目以及連通情況將不同的網(wǎng)格分別處理。 然后以網(wǎng)格為數(shù)據(jù)單元，在較大尺度上運(yùn)用Sobel算子得到圖像邊緣。最后通過設(shè)定數(shù)據(jù)的優(yōu)先級(jí)和使用形態(tài)學(xué)的方法合并兩次計(jì)算邊緣的結(jié)果。該方法充分考慮到了圖像當(dāng)中可能出現(xiàn)的各種復(fù)雜情況，從兩個(gè)尺度分割圖像，彌補(bǔ)了單一方法的不足，提高了分割的正確率。
標(biāo)簽： Sobel 網(wǎng)格 尺度 圖像
上傳時(shí)間： 2013-12-05
上傳用戶：hxy200501
基于Sobel算子.該方法將圖像劃分成預(yù)先設(shè)定大小的網(wǎng)格，在兩個(gè)尺度上對(duì)圖像進(jìn)行分析，完成圖像的邊緣檢測(cè)。首先用Sobel算子求得圖像邊緣，依據(jù)網(wǎng)格內(nèi)含有邊緣像素的數(shù)目以及連通情況將不同的網(wǎng)格分別處理。 然后以網(wǎng)格為數(shù)據(jù)單元，在較大尺度上運(yùn)用Sobel算子得到圖像邊緣。最后通過設(shè)定數(shù)據(jù)的優(yōu)先級(jí)和使用形態(tài)學(xué)的方法合并兩次計(jì)算邊緣的結(jié)果。
上傳時(shí)間： 2014-09-08
上傳用戶：四只眼
基于Canny算子的圖像邊緣檢測(cè)與提取的算法--- 論文，對(duì)模式識(shí)別的朋友會(huì)有很大幫助，拿來與大家分享，希望能夠用的上！
標(biāo)簽： Canny 圖像邊緣檢測(cè) 算法 論文
上傳時(shí)間： 2014-12-07
上傳用戶：
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
