NMFs算法（带稀疏度约束的非负稀疏矩阵分解）用于实现基于人脸局部特征的人脸识别，通过近似的矩阵分解进行空间降维。
上传时间： 2013-12-23
上传用户：zhliu007
数字图像增强是图像处理的一个重要分支它对图像整体或局部特征能有效地改善直方图是图像处理中最重要的基本概念之一它能有效地用于图像增强基于数字图像增强对图像处理的重要性本文主要 讨论了图像直方图 直方图均衡化 直方图规定化图像增强技术 并给出了相关的基本原理 同时用 语言加以实现并且给出标准的数字图像在各种处理前与处理后的对照图像和直方图
上传时间： 2014-01-09
上传用户：hzy5825468
这是一篇基于分层约束的人脸局部特征检测算法…很直得大家参考
上传时间： 2014-01-11
上传用户：xauthu
为了克服传统的局部特征匹配算法对噪声和图像灰度非线性变换敏感的不足，提出了基于SIFT（Scale Invariant Feature Transform）描述算子的特征匹配算法。该算法首先
上传时间： 2013-04-24
上传用户：hphh
心血管系统疾病是现今世界上发病率和死亡率最高的疾病之一。T波交替(T-wavealtemans,TWA)作为一种非稳态的心电变异性现象，是指心电T波段振幅、形态甚至极性逐拍交替变化。大量研究表明，TWA与室性心律失常、心脏性猝死等有直接密切的关系，已成为一种无创独立性预测指标。随着数字信号处理技术和计算机技术的迅速发展，微伏级的TWA已经可以被检出，并且精度越来越高。本文以T波交替检测为中心，基于ARM给出了T波交替检测技术原理性样机的硬件及软件，实现实时监护的目的。 在TWA检测研究中，需要对心电信号进行预处理，即信号去噪和特征点检测。小波分析以其多分辨率的特性和表征时频两域信号局部特征的能力成为我们选取的心电信号自动分析手段。文中采用小波变换将原始心电信号分解为不同频段的细节信号，根据三种主要噪声的不同能量分布，采用自适应阈值和软硬阈值折衷处理策略用阈值滤波方法对原始信号进行去噪处理：同时基于心电信号的特征点R峰对应于Mexican-hat小波变换的极值点，因此我们使用Mexican-hat小波检测R峰，通过附加检测方案确保了位置的准确性，并根据需要提出了T波矩阵提取方法。 随后文章介绍了T波交替的产生机理及研究进展，分别从临床应用和检测方法上展现了目前TWA的发展进程，并利用了谱分析法、相关分析法和移动平均修正算法分别从时域和频域对一些样本数据进行T波交替检测。在检测中谱分析法抗噪能力较强，但作为一种频域检测方法，无法检测非稳态TWA信号，而相关分析法受呼吸、噪声影响较大，数据要求较高，因此可以在谱分析检测为阳性TWA基础上，再对信号进行相关分析，从而克服自身算法缺陷，确定交替幅度和时间段。最后对影响检测结果的因素进行讨论研究，从而降低检测误差。 文章还设计了T波交替检测技术原理性样机的关键部分电路和软件框架。硬件部分围绕ARM核的Samsung S3C44BOX为核心，设计了该样机的关键电路，包括采集模块、数据处理模块(外部存储电路、通信接口电路等)。其中在采集模块中针对心电信号是微弱信号并且干扰大的特点，采用了具有高共模抑制比和高输入阻抗的分级放大电路，有效的提取了信号分量：A/D转换电路保证了信号量化的高精度。利用USB接口芯片和删内部异步串行通讯实现系统与外界联系。系统软件中首先介绍了系统的软件开发环境，然后给出了心电信号分析及处理程序设计流程图及实现，使它们共同完成系统的软件监护功能。
上传时间： 2013-07-27
上传用户：familiarsmile
LNMF是基于“局部”非负矩阵分解生成特征空间的算法，而NMF是基于非负矩阵分解。
上传时间： 2013-12-31
上传用户：来茴
PDindentifyBootstrap 局部放电 信号特征提取
标签： PDindentifyBootstrap 局部放电 信号 特征提取
上传时间： 2013-12-31
上传用户：我们的船长
SCE（shuffled complex evolution ）是一种相对较新的连续性问题的元启发搜索算法。非常适合于求解具有多个局部最小的全局优化问题。SCE算法的主要特征是通过竞争进化和定期洗牌来确保每个复形获得的信息能在整个问题空间获得共享。
标签： SCE evolution shuffled complex
上传时间： 2013-12-25
上传用户：cc1915
局部滤波器的特征提取方法，能够很好的反映图像的细节特征和纹理特征。
上传时间： 2013-12-21
上传用户：wl9454
对脉搏波的完全分析是建立在含有少量噪声且较为清晰的脉搏波信号中，然而在采集脉搏波信号时容易受到多种干扰的影响，使其提取出来的脉搏波含有大量的噪声，因此降噪处理显得尤为必要。同时，脉搏波中含有人体生理病理信息，不同的人将表现为不同的特征，可以看出确定脉搏波特征点对于分析人体生理健康很有意义。针对信号去噪问题采用小波变换和多分辨率分析的方法，该方法在时域和频域都能表征信号局部信息的能力，且具有对信号具有自适应性。运用极值法确定出脉搏波的峰值点，然后再根据峰值点确定出其他特征点的位置，实验证明该方法能够增加特征点的检出率。
上传时间： 2013-10-12
上传用户：shirleyYim
