從 Mentor Graphics 的自動測試圖形生成（ATPG）工具 FastScan的 測試文檔中提取出測試電路（CUT）的測試模式，生成便于對應壓縮算法的文件 格式。 本文中， 給出了 2 種壓縮測試模式的方法， 一種是基于統計的哈夫曼編碼， 一種是基于差分運算的Golomb 編碼。本次畢業設計中，在熟悉Mentor Graphics ATPG工具 FastScan的基本功能和其主要的測試模式輸出文件的格式的基礎上， 實現其中測試結構和測試模式數據的分析提取， 并且在掌握典型的測試模式壓縮 算法的思想以及 C/C++開發環境的前提下，選擇或綜合相關的優化壓縮算法，針 對測試結構信息，實現測試模式數據的壓縮，及軟件的基本圖形化操作和結果報 告界面。
標簽： Graphics FastScan Mentor ATPG
上傳時間： 2017-08-17
上傳用戶：bcjtao
一種嵌入可讀水印的自適應盲水印算法， 本文提出了一種基于DWT的嵌入可讀水印的自適應盲水印算法,通過分析圖像經離散小波變換后細 節子帶系數的特性,把細節子帶系數的均值和方差作為水印信息的一部分來自適應地修改圖像小波分解后某些細節 子帶的系數值,在滿足水印不可感知性的條件下自適應地嵌入水印信息,實現了水印不可感知性和魯棒性之間的折 衷. 同時,水印的提取無須求助于原圖像,很好的實現了水印的盲檢測. 這里的水印是一幅有實際意義的二值圖像. 實 驗結果和攻擊測試表明,本文提出的算法對JPEG/ JPEG2000 壓縮、添加噪聲、剪切、像素移位等多種攻擊有較強的魯棒 性,同時對直方圖均衡化、對比度調整和高斯濾波等圖像處理操作也具有一定的抵抗能力.
上傳時間： 2017-08-30
上傳用戶：陽光少年2016
在matlab環境下利用LSB最低有效位算法將一個圖片水印隱藏在載體圖片中，并對被隱藏那個信息進行提取。
上傳時間： 2017-09-15
上傳用戶：懶龍1988
可以進行圖像特征點的提取，匹配，可以良好運行
標簽： 圖像處理
上傳時間： 2015-06-01
上傳用戶：592448730
魚眼鏡頭具有短焦距(f =6~16mm)、大視場的優點（視場角約為至），在虛擬實景、視頻監控、智能交通、機器人導航等領域得到廣泛的應用。但魚眼鏡頭攝像機拍攝的圖像具有非常嚴重的變形。如果要利用這些具有嚴重變形圖像的投影信息，需要將這些變形的圖像校正為符合人們視覺習慣的透視投影圖像。 在魚眼圖像校正之前，需要把魚眼圖像的有效區域提取出來，它在整個校正過程中至關重要。針對幾種常用的有效區域提取方法的不足，本文提出一種改進算法，實驗結果表明該方法在保證精度的前提下兼顧了效率。魚
上傳時間： 2016-06-12
上傳用戶：halias
通過MATLAB平臺建立一個GUI界面，接著對一組語音信號的輸入進行預處理及端點檢測，提取特征參數（MFCC），形成參考模塊。然后再對一組相同的語音信號輸入進行同樣的操作作為測試模塊，與參考模塊進行DTW算法進行匹配，輸出匹配后的識別結果。
上傳時間： 2016-06-15
上傳用戶：sjr88
使用verilog實現soble算法提取圖像邊緣
上傳時間： 2017-07-02
上傳用戶：jiajingchan
基于FFT的數字水印算法設計，包括水印的嵌入和提取，置亂，峰值噪聲比，歸一化
上傳時間： 2018-07-30
上傳用戶：小強子說
%========================開始提取加噪信號的各類特征值================================ for n=1:1:50; m=n*Ns; x=(n-1)*Ns; for i=x+1:m; %提取加噪信號'signal_with_noise=y+noise'的前256個元素，抽取50次 y0(i)=signal_with_noise(i); end Y=fft(y0); %對調制信號進行快速傅里葉算法（離散） y1=hilbert(y0) ; %調制信號實部的解析式 factor=0; %開始求零中心歸一化瞬時幅度譜密度的最大值gamma_max for i=x+1:m; factor=factor+y0(i); end ms=factor/(m-x); an_i=y0./ms; acn_i=an_i-1; end gamma_max=max(fft(acn_i.*acn_i))/Ns
上傳時間： 2020-04-07
上傳用戶：如拷貝般復制
%========================開始提取加噪信號的各類特征值================================ for n=1:1:50; m=n*Ns; x=(n-1)*Ns; for i=x+1:m; %提取加噪信號'signal_with_noise=y+noise'的前256個元素，抽取50次 y0(i)=signal_with_noise(i); end Y=fft(y0); %對調制信號進行快速傅里葉算法（離散） y1=hilbert(y0) ; %調制信號實部的解析式 factor=0; %開始求零中心歸一化瞬時幅度譜密度的最大值gamma_max for i=x+1:m; factor=factor+y0(i); end ms=factor/(m-x); an_i=y0./ms; acn_i=an_i-1; end gamma_max=max(fft(acn_i.*acn_i))/Ns
上傳時間： 2020-04-07
上傳用戶：如拷貝般復制
