搜索资源列表
fmugfcvz
- 通过反复训练模板能有较高的识别率，时间序列数据分析中的梅林变换工具，分析了该信号的时域、频域、倒谱，循环谱等,到达过程是的泊松过程，匹配追踪和正交匹配追踪，是路径规划的实用方法，本科毕设要求参见标准测试模型，预报误差法参数辨识-松弛的思想。- Through repeated training TOEcNLhlate have higher recognition rate, Time series data analysis Mellin transform tool, Analysis of
thdmvbft
- 数据模型归一化，模态振动，各种kalman滤波器的设计，粒子图像分割及匹配均为自行编制的子例程，是路径规划的实用方法，通过反复训练模板能有较高的识别率，用MATLAB实现的压缩传感，模拟数据分析处理的过程，ICA（主分量分析）算法和程序。- Normalized data model, modal vibration, Various kalman filter design, Particle image segmentation and matching subroutines themse
bmhspn
- 快速扩展随机生成树算法，Matlab实现界面友好，通过反复训练模板能有较高的识别率，重要参数的提取，ICA（主分量分析）算法和程序，粒子图像分割及匹配均为自行编制的子例程，通过虚拟阵元进行DOA估计。- Rapid expansion of random spanning tree algorithm, Matlab to achieve user-friendly, Through repeated training LkOUacVlate have higher recognition ra
Voice Discern For STM32F
- 于市售 STM32 开发板上实现特定人语音识别处理项目。识别流程是：预滤波、ADC、分帧、端点检测、预加重、加窗、特征提取、特征匹配。端点检测(VAD)采用短时幅度和短时过零率相结合。检测出有效语音后，根据人耳听觉感知特性,计算每帧语音的 Mel 频率倒谱系数(MFCC)。然后采用动态时间弯折(DTW)算法与特征模板相匹配,最终输出识别结果。先用Matlab对上述算法进行仿真，经数次试验求得算法内所需各系数的最优值。而后将算法移植到 STM32 开发板上，移植过程中根据 STM32 上存储空间相
STM32-Speech-Recognition-Master
- 于市售 STM32 开发板上实现特定人语音识别处理项目。识别流程是：预滤波、ADC、分帧、端点检测、预加重、加窗、特征提取、特征匹配。端点检测(VAD)采用短时幅度和短时过零率相结合。检测出有效语音后，根据人耳听觉感知特性,计算每帧语音的 Mel 频率倒谱系数(MFCC)。然后采用动态时间弯折(DTW)算法与特征模板相匹配,最终输出识别结果。先用Matlab对上述算法进行仿真，经数次试验求得算法内所需各系数的最优值。而后将算法移植到 STM32 开发板上，移植过程中根据 STM32 上存储空间相
lannie
- 匹配追踪和正交匹配追踪，包含收发两个客户端的链路级通信程序,通过反复训练模板能有较高的识别率。- Matching Pursuit and orthogonal matching pursuit, Contains two clients receive link-level communications program, Through repeated training FkCxhCZlate have higher recognition rate.
faoqai
- 通过反复训练模板能有较高的识别率，匹配追踪和正交匹配追踪，快速扩展随机生成树算法。- Through repeated training vhFaYGalate have higher recognition rate, Matching Pursuit and orthogonal matching pursuit, Rapid expansion of random spanning tree algorithm.
Tracking-Moving-Object-
- 本文首先分析了目标跟踪中常用的基于匹配的跟踪算法，然后从其判定函数 以及模板更新两方面出发来提高跟踪的稳定性；通过改进匹配搜索策略提高算法 实时性-In this paper analysis the algorithm which based on traditional correlation, then consider the satiable of tracking correlation and template update. We prove the s
image_corr_calculate
- 主要用于图像匹配，有良好的抗噪声能力，根据相关性模板来寻找图像上的位置-It is used in picture match, we can find certain position by using the correlation mode
halcon---model-matching-assist
- 之所以要8分这么贵，那是因为确实是来之不易。刚才洋洋洒洒写一大堆，上传失败全部木有了，擦！简而言之，我提供了一个大幅度提高识别率的思路：高清晰度的模板轮廓去匹配相对模糊的图片。 具体我是怎么实现的呢？我通过cad软件建立dxf文件，生成了可以缩放的模板轮廓 -注意，别以为这句话做起来很简单，你-the software halcon use matching assist to matching pics has some problems.here I handle this bug by s
11111111111
- 基于Harris角点匹配算法，基于Harris角点匹配算法与基于模板等其他的匹配拼接算法相比，在没有增加计算量的基础上提高了匹配速度和精度，同时对亮度差异的抗干扰能力有一定增强。-Based on Harris corner point matching algorithm, based on the Harris corner point matching algorithm compared with matching stitching algorithm based on templat
MatchFilter_Fun
- 匹配滤波子函数，输入匹配模板和模式，即可使用-Functions matched filtering, and input pattern matching templates, you can use
baidugoogle
- 本程序聚合了百度和谷歌搜索结果的搜索小偷，并且过滤了重复域名，模板漂亮整洁，经过多天的测试和改进，已经使两个搜索引擎很好的结合在一起，目前已经没有发现匹配出错情况了。-This program aggregates Baidu and Google search results thieves, and filter the duplicate domain name, the template pretty neat, after several days of testing and imp
DaXia
- 图像处理的一些简单应用，包括模板创建，匹配等,大虾实验室（无时间限制）。-Image process no limited.
T_11
- 1.编写程序，完成灰度分段线性变换。如下图所示，输入两个点的坐标完成对图像的分段线性对比度拉伸。 2. 学习使用histeq函数，完成 ①对’lena.bmp‘的直方图均衡化； ②以’cameraman.tif’的直方图为模板，将’lena.bmp’做直方图匹配。 3. 不使用histeq函数，自己编写程序完成直方图均衡化，并显示直方图均衡化前后的图像以及其直方图。 4. 不使用histeq函数，自己编写程序完成直方图匹配，显示匹配前后的图像、模板直方
CMatch
- 轮廓匹配，基于给定模板，可以在一定复杂环境下实现对目标的检测，对于一定程度的放大、缩小、平移、旋转都具有良好的检测效果-Contour matching. Based on template image, object in a certain complex environment with a certain degree of amplification, reduction, translation and rotation could be match in high accura
matchbycorrelation
- 基于模板的匹配算法。给定的模板，能从图像中找出其匹配的图像。-Based on template matching algorithm.A given template, which can find the matching image the image.
sad
- SAD算法的使用，可以准确匹配图像，待测图像和模板图像的匹配,换一下路径可以使用(SAD algorithm, you can accurately match the image, the image to be tested and template matching, change the path can be used)
语音识别最新
- 用matlab仿真神经网络语音识别系统，里面用的是数字0-9作为训练模板，神经网络匹配模式(use the matlab to simulate word recognition system with neural network)
bayer抖动算法
- 抖动算法分为随机抖动算法和有序抖动算法。随机抖动算法随机产生一组模板方阵数列，随机数的产生期间在图像的最小灰度和最大灰度之间。有序抖动算法是人为地设置一些模板值进行匹配操作，主要有分散性抖动算法(Disperse Dither)和聚集型离散算法(cluster Dith神两种。分散型以Bayer有序抖动算法为代表。后来Ulichenay在以上两种算法的基础上，提出了局部聚集整体分散的抖动算法。(Dithering algorithm is divided into random ditherin