本文将WNN引入去噪领域，结合传统中值滤波法，提出一种新的滤波算法，并将其应用于生物医学图像去噪
上传时间： 2014-01-15
上传用户：aappkkee
1.对染噪doppler信号进行小波包3层分解：分解层次j=1,2时，都是信号的概貌；当j=3时，反映概貌的已几乎不含噪声分量，而其它噪声分量的幅值已很小。 2.对加噪Blocks信号进行不同阈值及不同阈值的使用方式降噪。
上传时间： 2016-08-08
上传用户：thesk123
这是一个非局部均值算法实现工具和相关实验数据，主要用来实现图像增强和降噪应用
上传时间： 2017-02-10
上传用户：kristycreasy
打开一原始图像，产生含噪图像，用 wdencmp函数给图像除噪，并绘出除噪图像。
标签： 图像
上传时间： 2014-01-21
上传用户：zhaiye
基于四元数小波变换的隐马尔可夫树模型（Q-HMT）,并应用于图像去噪，图像去噪效果在峰值信噪比以及视觉效果上均优于经典的去噪方法。
上传时间： 2016-07-01
上传用户：zcwl
数字图像的噪声去除，实验环境MATLAB
上传时间： 2017-06-09
上传用户：YYnini
OV7670摄像头程序OV7670是一个种图象传感器，操作温度是-30℃-70℃，模拟电压是2.5-3.0V，感光阵列是640*480，功耗是工作时60mW/15fpsVGAYUV；休眠时小于20uA。OV7670，图像传感器，体积小，工作电压低，提供单片VGA摄像头和影像处理器的所有功能。通过SCCB总线控制，可以输入整帧、子采样、取窗口等方式的各种分辨率8位影像数据。该产品VGA图像最高达到30帧/秒。用户可以完全控制图像质量、数据格式和传输方式。所有图像处理功能过程包括伽玛曲线、白平衡、饱和度、色度等都可以通过SCCB接口编程。OmmiVision图像传感器应用独有的传感器技术，通过减少或消除光学或电子缺陷如固定图案噪声、托尾、浮散等，提高图像质量，得到清晰的稳定的彩色图像。1、高灵敏度适合低照度应用2、低电压适合嵌入式应用3、标准的SCCB接口，兼容IIC接口4、支持VGA，CIF，和从CIF到40*30的各种尺寸5、VarioPixel 子采样方式6、自动影响控制功能包括：自动曝光控制、自动增益控制、自动白平衡，自动消除灯光条纹、自动黑电平校准。图像质量控制包括色饱和度、色相、伽玛、锐度和ANTI_BLOOM7、ISP具有消除噪音和坏点补偿功能8、支持闪光灯、LED灯和氙灯9、支持图像缩放10、镜头失光补偿11、50/60Hz自动检测12、饱和度自动调节（UV调整）13、边缘增强自动调节14、降噪自动调节
上传时间： 2022-04-19
上传用户：fliang
CCD常用知识总结随着CCD的不断发展，尤其典型的是当微光CCD向低照度方向发展时，噪声已经成为阻碍CCD进一步发展的障碍。噪声是CCD的一个重要参数，它是决定信噪比S/N（Singal/Noise）的重要因素，而同时信噪比又是各种数据参数中最重要的指标之一。随着CCD器件向小型化、集成化的不断发展，CCD光敏元数的增加势必减小光敏元的面积，从而降低了CCD的输出饱和信号。为扩大CCD的动态范围，就必须降低CCD的噪声（动态范围与噪声间的联系）。CCD工作时，在输入结构、输出结构、信号电荷存储和转移过程中都会产生噪声。噪声叠加在信号电荷上，形成对信号的干扰，降低了信号电荷包所代表的信息复原后的精度，并且限制了信号电荷包的最小值。CCD图像传感器的输出信号是空间采样的离散模拟信号，其中夹杂着各种噪声和干扰。CCD输出信号处理的目的是在不损失图像细节并保证在CCD动态范围内，图像信号随目标亮度线形变化是尽可能消除这些噪声和干扰。（选自《CCD降噪技术的研究》燕山大学工学硕士学位论文）
标签： ccd
上传时间： 2022-06-23
上传用户：qingfengchizhu
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
本文针对工业测试现场中方波频率信号的高频噪声污染问题，选用LabVIEW 中提供的脉宽滤波、数据采集等功能模块组建了虚拟计数滤波器，设计并实现了一种可靠、便捷的方波频率信号的数字滤波。工程实践
上传时间： 2013-04-24
上传用户：jackgao
