30頁P(yáng)PT，讓你輕松了解阻抗匹配及其特性！
標(biāo)簽： 阻抗匹配
上傳時(shí)間： 2013-07-31
上傳用戶：anng
·詳細(xì)說明： 基于SIFT快速匹配算法，對(duì)障礙物進(jìn)行檢測(cè)，提取障礙物，雙目測(cè)距等。能指出指定范圍內(nèi)的障礙物。
標(biāo)簽： SIFT 快速匹配 算法
上傳時(shí)間： 2013-07-20
上傳用戶：gongxinshiwo@163.com
·詳細(xì)說明：該代碼為用gabor變換算法提取圖像的紋理特征，用matlab編寫，可應(yīng)用于基于紋理的圖像檢索系統(tǒng)。其中還包含一篇gabor變換相關(guān)的文獻(xiàn)
標(biāo)簽： matlab gabor 變換 算法
上傳時(shí)間： 2013-06-27
上傳用戶：dialouch
Allegro 里面如何在端接匹配的情況下調(diào)等長線
標(biāo)簽： Allegro 端接 等長線
上傳時(shí)間： 2013-09-06
上傳用戶：gdgzhym
計(jì)算機(jī)輔助甲骨拓片綴合，是整理甲骨碎片的一種新技術(shù)。提出了一種甲骨文拓片計(jì)算機(jī)輔助綴合方法。甲骨文拓片圖像綴合過程主要包括圖像的預(yù)處理和邊界匹配兩個(gè)主要步驟。其中，邊界匹配是進(jìn)行綴合的關(guān)鍵技術(shù)，提出一種從提取甲骨文拓片輪廓線出發(fā)，融合甲骨拓片本身特點(diǎn)，通過邊界特征來判斷兩個(gè)輪廓是否匹配來達(dá)到拓片綴合的目的，實(shí)現(xiàn)了基于計(jì)算機(jī)輔助的甲骨拓片綴合算法。通過多幅拓片圖像實(shí)驗(yàn)，驗(yàn)證了所提方法的有效性。
標(biāo)簽： 計(jì)算機(jī)輔助 甲骨文
上傳時(shí)間： 2013-10-21
上傳用戶：dazhihui66
為了減小匹配傅里葉變換分析的計(jì)算量，提出了一種基于快速傅里葉變換的快速算法。根據(jù)匹配傅里葉變換的分解將積分形式轉(zhuǎn)化為離散形式，推導(dǎo)出快速算法表達(dá)式。該算法與直接的數(shù)值離散匹配傅里葉變換算法相比較，計(jì)算量大大減少。同時(shí)給出了其在雷達(dá)信號(hào)處理中線性調(diào)頻信號(hào)的檢測(cè)與參數(shù)估計(jì)的應(yīng)用。理論及計(jì)算機(jī)仿真結(jié)果表明了該算法的有效性和精確性，有良好的工程應(yīng)用前景。
標(biāo)簽： 傅里葉變換 快速算法 雷達(dá)信號(hào)處理
上傳用戶：chongchong1234
針對(duì)SIFT算法復(fù)雜程度高，實(shí)時(shí)性差，在維數(shù)較高的圖像配準(zhǔn)中并不實(shí)用的問題，提出了一種基于線性鑒別分析（LDA）的SIFT算法（SIFT-LDA）。首先利用SIFT算法提取出圖像的特征點(diǎn)向量，然后用LDA方法對(duì)其進(jìn)行特征抽取并降維。通過高維自然圖像和單幅人臉圖像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明SIFT-LDA算法在保證匹配精度的同時(shí)，實(shí)時(shí)性要優(yōu)于傳統(tǒng)的SIFT算法，其匹配時(shí)間相對(duì)于傳統(tǒng)SIFT算法縮短了將近一半。
標(biāo)簽： SIFT LDA 算法 圖像配準(zhǔn)
上傳時(shí)間： 2013-10-13
上傳用戶：392210346
飛機(jī)特征點(diǎn)圖像的識(shí)別是航空試飛領(lǐng)域中計(jì)算機(jī)視覺研究的重要課題，在基于圖像的視頻安全監(jiān)控、自動(dòng)識(shí)別與智能人機(jī)交互方面有著重要的研究價(jià)值。其檢測(cè)算法經(jīng)過長時(shí)間的發(fā)展，已經(jīng)取得了顯著的成績。本文中對(duì)Paul Viola提出的基于積分圖像和AdaBoost的檢測(cè)方法進(jìn)行了深入研究、改進(jìn)，并針對(duì)實(shí)際問題成功應(yīng)用到飛機(jī)特征點(diǎn)圖像的快速檢測(cè)中。
標(biāo)簽： AdaBoost 算法 特征 圖像識(shí)別
上傳時(shí)間： 2013-11-04
上傳用戶：日光微瀾
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
針對(duì)齒輪故障特征信號(hào)具有強(qiáng)噪聲背景、非線性、非平穩(wěn)性特點(diǎn)，提出采用形態(tài)梯度小波對(duì)齒輪振動(dòng)信號(hào)進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動(dòng)信號(hào)分解到多個(gè)尺度上，然后對(duì)各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對(duì)經(jīng)過處理后的小波系數(shù)進(jìn)行重構(gòu)。對(duì)降噪后的齒輪振動(dòng)信號(hào)采用S變換多分辨率時(shí)頻分析，能夠從具有良好的時(shí)頻分辨率的S變換譜圖提取齒輪故障特征。通過仿真試驗(yàn)和故障軸承的信號(hào)分析證明，該方法具有短時(shí)傅里葉變換和小波變換的優(yōu)點(diǎn)，不存在Wigner-Ville分布的交叉干擾和負(fù)頻率，能有效地提取隱含在噪聲中的齒輪故障特征，適合齒輪故障的在線監(jiān)測(cè)和診斷。
標(biāo)簽： 梯度 小波降噪 S變換 齒輪故障
上傳時(shí)間： 2013-11-01
上傳用戶：AISINI005
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
