搜索资源列表
3Matlab
- 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波
lessonresouse
- 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波
imageimpose
- 数字图像矩阵数据的显示及其傅立叶变换 二维离散余弦变换的图像压缩 采用灰度变换的方法增强图像的对比度 直方图均匀化 模拟图像受高斯白噪声和椒盐噪声的影响 采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 图像的自适应魏纳滤波 运用5种不同的梯度增强法进行图像锐化 图像的高通滤波和掩模处理 用巴特沃斯（Butterwo
matlabtuxiangchulidaima
- P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运
43290162
- MATLAB源码，P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值分割 P0405：用水线阈值法分割图像 P0406：对矩阵进行四叉树分解 P0407：将图像分为文字和非文字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学实例——从PCB图像中删除所有电流线，仅保留芯片对象
zsyxl
- MATLAB源码，P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进行图像锐化 P0310：图像的高通滤波
matlab08-09
- 这两个小程序均为matlab的.m文件，08为图像的自适应魏纳滤波，09运用5种不同的梯度增强法进行图像锐化。-these two small procedures are Matlab. M documents, 08 of the images Weiner adaptive filtering, 09 using five different gradient Enhancement Act for image sharpening.
CodeforMATLABImageProcessing
- 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波
ppp3
- 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进行图像
p0310
- 在MATLAB环境下，P0309运用5种不同的梯度增强法进行图像锐化 P0310：图像的高通滤波和掩模处理
matlabimageprocess3
- 其文章包含4个文件:些文件是基于matlab的源程序:P0309：运用5种不同的梯度增强法进行图像锐化P0310：图像的高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图P0312利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处
chap3
- 程序代码说明 P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波
work5
- P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进行图像锐化 P0310：图像的高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理
Newton
- 回溯先搜索法梯度下降法与牛顿迭代算法结合的MATLAB例程(Backtracking first search method, gradient descent method and Newton iterative algorithm combined with MATLAB routines)
tidu
- 梯度投影法MATLAB编程计算，经计算实测可用(Gradient projection method programming calculation)
PSO
- 梯度下降法是最早最简单，也是最为常用的最优化方法。梯度下降法实现简单，当目标函数是凸函数时，梯度下降法的解是全局解。一般情况下，其解不保证是全局最优解，梯度下降法的速度也未必是最快的。梯度下降法的优化思想是用当前位置负梯度方向作为搜索方向，因为该方向为当前位置的最快下降方向，所以也被称为是”最速下降法“。最速下降法越接近目标值，步长越小，前进越慢。(The gradient descent method is the earliest and most simple and most commo
1204Optimization Coursework
- 使用matlab实现优化算法，包括梯度法、牛顿法等。压缩包中包括matlab代码以及运行结果图像。(The optimization algorithm implementation including gradient method, Newton method and simplex method etc.)
MatlabAlgorsCh6
- 共轭方向搜索法的matlab函数，有基本的共轭方向搜索法，共轭梯度法和Powell法等(The matlab function of the conjugate direction search method has the basic conjugate direction search method, the conjugate gradient method and the Powell method, etc.)
Untitled2
- BP神经网络基本原理概述：这种网络模型利用误差反向传播训练算法模型，能够很好地解决多层网络中隐含层神经元连接权值系数的学习问题，它的特点是信号前向传播、误差反向传播，简称BP（Back Propagation）神经网络。BP学习算法的基本原理是梯度最快下降法，即通过调整权值使网络总误差最小，在信号前向传播阶段，输入信号经输入层处理再经隐含层处理最后传向输出层处理；在误差反向传播阶段，将输出层输出的信号值与期望输出信号值比较得到误差，若误差较大则把误差信号传回隐含层直至输入层，在各层神经元中使用
MT2D正演
- 基于MATLAB编写的大地电磁二维有限单元法正演程序，矩形单元剖分，线性插值， 使用说明： 1. 运行MT2DMODEL.m构建正演模型 2. 运行TMmodel.m和TEmodel.m正演计算，计算结果自动保存 3. 程序进行了优化，并将BICGSTAB（稳定双共轭梯度法）用于求解线性方程组，求解效率提高，一般情况下正演计算仅需1~2秒(Based on MATLAB compiled two-dimensional magnetotelluric fin