搜索资源列表
svm
- 不错的svm讲义，对于svm的背景和原理有比较详细的讲解-svm
ASKBPSk
- 噪声背景下的语音端点检测和语音增强算法，在信噪比很低的强航空噪声背景下，-aviation noise background voice endpoint detection and voice enhancement algorithms, and very low signal to noise ratio in the strong aviation background noise, particularly effective
project
- 一个多目标跟踪的matlab代码,里面附有说明文档.其中背景差分法可以实现实时更新.该代码在检测与跟踪少量目标时效果很好,但是跟踪目标大于8后,效果下降很多-A multi-target tracking matlab code, which accompanied by documentation. Including real-time background subtraction method can be updated. The code in small target detecti
EdgeDetection
- 边缘检测1.制作一张包括色块、线条的单色背景图片，先对其作低通滤波产生一幅色块和线条边缘模糊的降质图片待处理，采用任意二种边缘检测算法检测待处理图片中的色块和线条的边缘，得到二值化的处理结果图。从结果图中提取色块和线条的边界坐标值，与实际生成原始图像时采用的真实坐标数据作比较，对产生的检测误差作分析。2.拍摄一张包含待检测物体的黑白或者彩色照片，试采用一种边缘检测的算法做待检测物体的自动提取，对生成的结果作分析。-Edge Detection 1. To produce a including
yyqc
- 采用RGB模型进行阴影的检测与去除。能够显示前景、背景、去除阴影后的运动目标-RGB model with shadow detection and removal. To show foreground, background, after the removal of shadows moving target
vision
- 本书的目的主要是向读者展示傅里叶分析和小波的许多基础知识以及在信号分析方面的应用。全书分为8章和2个附录，前言部分是学习第1章至第7章的准备知识，即内积空间；第1章讲解傅里叶系列的基础知识；第2章讲解傅里叶变换；第3章介绍离散傅里叶变换以及快速傅里叶变换；第4章至第7章讨论小波，重点在于正交小波的构建；附录部分则介绍稍微复杂的一些技术主题以及演示概念或产生图形的MATLAB代码。许多关于小波的文章和参考书籍均要求读者具有复杂的数学背景知识，本书则只要求学生具有较好的微积分以及线性代数知识，通俗易
thresholdadaptive200810
- 实现一个自适应阈值的算法，用以在不规则光照下从背景中提取出前景图像。-The realization of an adaptive threshold algorithm for the irregular light extracted from the background images prospects.
SVD
- 线性方程的解法,实现对运动目标的检测,针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)-Linear equations, to achieve the detection of moving targets, in view of the weak target detection in visible light images in the background suppression and de-noi
otsu2
- 大津阈值分割法，也称最大类间方差法，利用图像的灰度分布密度函数定义图像的交叉熵。 交叉熵可看作是两个概率系统（即图像背景及目标）的信息量之间的差异。求出的交叉熵越大，则分割效果越好。 -Otsu threshold segmentation method, also known as Otsu method, the use of gray-scale image distribution density function definition images of cross-ent
LicensePlateRecognition
- 使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不
GaussianPointDetection
- 强杂波背景下的的高斯点目标的检测Matlab源代码，有需要的就下载吧 希望能有所帮助 -Strong clutter the background of the Gaussian point target detection Matlab source code, there is a need to download it on the hope to be helpful
affaffa
- 该程序是帧差法和背景法相结合的一种方法，非常新颖-The program is the frame difference method and the background of a combined approach, a very novel
ppm
- 关于无背景噪声条件下，PPM的信道容量的一些相关计算-On no background noise conditions, PPM of the channel capacity of some relevant calculation
mulGMM_matlab
- 多高斯模型是检测运动目标的一种背景消减的方法,matlab实现-Multi-Gaussian model is a moving target detection background abatement methods, matlab achieve
derterD
- 该程序可以提取背景图片中车轮的直径大小。-The program can extract the background image of the diameter of the wheel size.
predict
- 模拟人的思维特点,提出一种新型智能控制器:仿人逻辑预测控制器. 该控制器融合了基于泛布尔代数的逻辑控制器和基于模型的预测控制器的特点, 是一种多值逻辑混合动态系统. Matlab仿真表明, 该控制器在模型匹配时性能良好, 在模型失配时依然能满意运行, 表现出鲁棒性强, 超调量小的特点. 与其它类型人工智能控制器相比, 该控制器结构简单, 物理背景明确, 数学概念清晰, 便于在工业控制领域推广应用.-Simulation of the characteristics of people' s
houghlinedetect
- hough 变换实现直线检测 在噪声服从高斯分布的背景中构造信噪比为2、长度为34像素的目标线段；在找出线段所在直线后，在采用固定长线段滑动的方法，确定线段的起始点，最终确定线段的确切位置。-hough transform line detection in the noise to obey Gaussian distribution of the background-noise ratio for the structure 2, with a length of 34 pix
BlockMatchingAlgoMPEG
- 基于块匹配的帧间运动估计，对相邻帧间背景运动计算运动矢量 ，使用了多种搜索算法对运动块进行搜索和匹配。-Block Matching Algorithms for Motion Estimation，This MATLAB source code is a review of the block matching algorithms used for motion estimation in video compression. It implements and compares 7 di
multiuserdetector
- 在码分多址系统中,求解多用户检测问题是重要环节,介绍了多用户检测问题的应用背景和发展 现状,重点综述基于半定规划模型寻求多用户检测问题次优解的几种重要方法,包括随机扰动法、 坐标下降法、半定规划的割平面法和二次规划的分枝定界法等。结合数值实验,评析比较了这些 方法的优缺点-Quasi-Maximum-Likelihood Multiuser Detection Using Semi-Definite Relaxation With Application to Synchro
background_substraction
- 视频背景非参数估计论文及matlab实现.matlab代码只实现了灰度图的背景估计，论文利介绍的彩色视频处理方法可以自己看看怎么做。-Background and Foreground Modeling Using Nonparametric Kernel Density Estimation for Visual Surveillance AHMED ELGAMMAL, RAMANI DURAISWAMI, MEMBER, IEEE, DAVID HARWOOD, AND LA