搜索资源列表
example
- 移动热源加载命令流，里面涉及到生死单元，高斯热源-Moving heat source loading, cell death, Gaussian heat
NumExamplePF
- 粒子滤波算法的简单例子，适用于非线性、非高斯过程的滤波。-A simple example of particle filter algorithm for nonlinear and non-Gaussian process filtering.
THREE
- 对一幅图像进行高斯滤波，滤波后可以减轻一些噪声对图像的影响。-On a Gaussian image filtering, filtering can alleviate some of the impact of noise on the image.
BPSK
- OFDM+AWGN傳送與接收端模擬 加入AWGN(可加性白高斯雜訊)後比較SNR與BER之關係-OFDM+AWGN Simluation
OpenCVgermmc
- opencv关于高斯混合模型的说明，可以应用在图像匹配等的领域，为图像处理提供很大方便。-Opencv on gaussian mixture model that can be applied in the field of image matching, etc, provides great convenience for image processing.
背景建模法
- 介绍当前几种比较常见的背景建模方法，例如高斯，码本，均值等
report
- wmiqry32.dll为“高斯”病毒的一个组件，主要功能包括注入、修改注册表、拷贝自身到系统目录，并且连接远程服务器，下载文件。本文为该DLL文件执行过程的分析报告。-wmiqry32.dll for " Gaussian" virus, a component of the main features include injection, modifying the registry, copies itself to the system directory, and c
iterbi
- 约束长度为9的卷积码解码，viterbi解码，加上高斯白噪声了-Constraint length 9 convolutional code decoding, viterbi decoding, white Gaussian noise with a
progream
- Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If a noise, its amplitude distribution obeys the gaussian distribution, and its power spectral density is uniformly distributed, has des
ASD
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。-Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If
qwe
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。-Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise. If
wer
- 所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。 -Gaussian noise refers to its obey gaussian probability density function (i.e., normal distribution) of the noise.
1
- 对原图像的多种噪声处理，包括椒盐噪声、高斯白噪声、低值椒盐噪声、中值椒盐噪声等-A variety of noise on the original image processing, including salt and pepper noise, Gaussian white noise, low salt and pepper noise, median salt and pepper noise
1
- 高斯算法和列主元消去法，对于解决多元方程组有着很大的帮助-Gaussian elimination algorithm and the main element method for solving multiple equations of great help
GMPHD
- 针对扩展目标的高斯混合PHD滤波算法的论文-presents a Gaussian-mixture implementation of the PHD filter for tracking extended targets
Gaussian-eliminat
- 高斯消元法MATLAB实现，小报告形式展现-Gaussian elimination MATLAB implementation
GMM
- 着重研究了基于高斯混合 模型（GMM, Gaussian Mixture Model)的运动目标检测算法 -Focuses on the Gaussian mixture model-based (GMM, Gaussian Mixture Model) of the moving target detection algorithm
image-matching--
- 首先对图像 进行高斯和 Wallis 滤波处理，然后采用简化 SIFT 算法进行特征点提取，最后通过特征点双向 匹配方法实现图像的精确匹配。通过对缺陷版图图像的试验验证了该方法具有匹配点数量 多、准确率高、无重复点等优点。-First of all Gaussian image filtering and Wallis and simplified SIFT feature point extraction algorithm, and finally through the fea
image-feature
- 把 SIFT 算法应用在牙齿模型图像上，检测牙齿图像的特征点。 方法：首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息，从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点，得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度，并采用 KNN 算法进行特征匹配。 结果：通过大量的实验和与其他特征提取方法相比较，该方法能有效地检测牙 齿模型图像的特征，并为牙齿
sift-based-on-edge-corner
- SIFT 由特征提取，特征描述符描述和特征匹配 3 部分构成，该算子特征提取数目庞大，建立特征描述符运算 量高，导致算法效率低。提出了一种 SEC( SIFT-Edge-Corner) 算法，在图像尺度空间提取角点代替 SIFT 特征点，并根 据角点是边缘曲率极值理论，预先采用 Canny 算子得到高斯边缘图像金字塔，再提取角点并进行尺度选择。实验结 果表明: 该算法在保障高准确率的前提下大幅度提高特征提取效率-By the SIFT feature extraction, fea