形態(tài)梯度小波降噪與S變換的齒輪故障特征抽取算法
針對齒輪故障特征信號具有強(qiáng)噪聲背景、非線性、非平穩(wěn)性特點，提出采用形態(tài)梯度小波對齒輪振動信號進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動信號分解到多個尺度上，然后對各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對經(jīng)過處理后的小波系數(shù)進(jìn)行重構(gòu)。對降噪后的齒輪振動信號采用S變換多分辨率時頻分析，能夠從具有良好的時頻...
hog特征匹配技術(shù)資料
?? 資源總數(shù)：2396
?? 技術(shù)文檔：1
?? 源代碼：4226
?? 電路圖：1
HOG特征匹配技術(shù)，以其在圖像處理與計算機(jī)視覺中的卓越表現(xiàn)而聞名，特別適用于行人檢測、物體識別等場景。通過提取圖像的梯度方向直方圖，HOG能夠有效捕捉目標(biāo)輪廓信息，即使在復(fù)雜背景中也能保持高精度。掌握這一技術(shù)不僅有助于提升您的項目性能，還能加深對機(jī)器學(xué)習(xí)算法的理解。我們提供了2396個精選資源，從基礎(chǔ)教程到高級應(yīng)用案例一應(yīng)俱全，助您快速成長為領(lǐng)域?qū)＜?。立即探索，開啟您的視覺計算之旅！
?? hog特征匹配熱門資料
查看全部2396個資源 ?基于EEMD的故障微弱信號特征提取研究
總體平均經(jīng)驗?zāi)Ｊ椒纸猓‥EMD）方法是一種先進(jìn)的時頻分析方法，非常適合于對非平穩(wěn)故障微弱信號的分析處理。文中介紹了EEMD方法的原理與算法實現(xiàn)步驟，重點分析了EEMD方法避免模式混淆的機(jī)理。利用EEMD方法對齒輪箱振動信號進(jìn)行分析，成功提取了小齒輪磨損故障特征，驗證了EEMD方法在故障微弱信號特征提...
HHT方法在探地雷達(dá)回波信號特征提取上的應(yīng)用
探地雷達(dá)回波信號是一種非平穩(wěn)非線性信號，其中不僅包含地下埋藏物的目標(biāo)信號，還包含有可能掩藏目標(biāo)信號的直達(dá)波信號，給目標(biāo)的識別帶來困難。文中采用HHT方法對探地雷達(dá)回波信號進(jìn)行特征分析，提取回波信號的IMF分量的瞬時頻率作為特征向量。實驗結(jié)果表明，用HHT方法提取特征可較好的避免直達(dá)波影響，該方法是可...
用于圖像分類的有偏特征采樣方法
為了模擬圖像分類任務(wù)中待分類目標(biāo)的可能分布，使特征采樣點盡可能集中于目標(biāo)區(qū)域，基于Yang的有偏采樣算法提出了一種改進(jìn)的有偏采樣算法。原算法將目標(biāo)基于區(qū)域特征出現(xiàn)的概率和顯著圖結(jié)合起來，計算用于特征采樣的概率分布圖，使用硬編碼方式對區(qū)域特征進(jìn)行編碼，導(dǎo)致量化誤差較大。改進(jìn)的算法使用局部約束性編碼代替...
基于Gabor小波的人臉表情特征提取研究
為了使計算機(jī)能更好的識別人臉表情，對基于Gabor小波變換的人臉表情識別方法進(jìn)行了研究。首先對包含表情區(qū)域的靜態(tài)灰度圖像進(jìn)行預(yù)處理，包括對確定的人臉表情區(qū)域進(jìn)行尺寸和灰度歸一化，然后利用二維Gabor小波變換提取臉部表情特征，使用快速PCA方法對提取的Gabor小波特征初步降維。再在低維的空間中，利...
?? hog特征匹配技術(shù)文檔
查看更多 ??? hog特征匹配源代碼
查看更多 ??? hog特征匹配資料分類