SeisLab_2.01

end point detection of speech signal

matlab 获取摄像头的照片，在matlab平台上图像处理(matlab can capture the image from the camera)

说明：   维纳滤波、逆滤波matlab程序(不调用图像库函数)(Wiener filter, inverse filter matlab program (do not call the image library function))

说明：  MATLAB的具有实用型的300例子，对初学者很实用(MATLAB 300 with practical examples, very useful for beginners)

Sliding mode contorl

说明：  任务 1 编写以两幅灰度图像为输入的 MATLAB 函数，计算下列图像差值度量：均方误 差（MSE）信噪比（SNR）峰值信噪比（PSNR）均值绝对误差（MAE）处理给定的测试图像“Lena”及其原始和后添加噪声形式。 任务 2 编写 MATLAB 函数，通过两种不同的方法将一幅灰度图像从原始大小下采样到 给定输出大小：a)直接消除像素，b)在消除像素之前进行初步图像平滑处理。用缩放系数 2:1、4:1、8:1 和 16:1 对给定的测试图像“Living.”进行处理。 任务 3 编写 MATLAB 函数，通过两种不同的方法将灰度图像从原始大小缩放到给定的 输出大小：a)像素重复使用上述方法将任务 2 中处理的图像缩放回原始大小。使用为任务 1 编写的 MATLAB 方法计算原始图像和缩放图像的 MSE 和 PSNR。将 MSE和 PSNR 分别作为大小缩减率的函数。定义对于相同的尺寸缩小比，收缩/缩放方法的组合提供最小 MSE 和最大 PSNR。 任务 5 编写 MATLAB 函数分别对测试图像“Fig0316(1)(top_.)”和“Fig0316(4)(._.)”执行直方图均衡。显示直方图均衡前后直方图的直方图。(task1 task2 task3 task5)

hotelling transformation has been written with help of Matlab 2007a. This technology has been applied to transform images. A test image has been included in the file for explanation. It accpets 256 color map bmp image as input and produces the output.

最短路问题的D算法,供大家参考，谢谢，ps:j介绍要求的字好多(D-algorithm for the shortest path problem, for your reference, thank you, ps: j introduced the word required a lot of)

matlab 读取操作图片，可以打开图片，改变其显示模式(matlab read operation picture, you can open the picture, and changing the display mode)

把HHT和神经网络结合起来，识别出是否故障。对于HHT变换，这里用到的是它的IMF分解，然后用能量理论来判别哪些模组是虚假分量，哪些是是真实分量。对于EMD分解后的谱进行特征提取 ，利用的理论基础就是模糊熵。计算出真实 分量的模糊熵，作为输入层；输出层为两个神经元，为0（故障 ）1（正常 （正常 ）判别该信号是否出现故障。(The combination of HHT and neural network to identify whether the fault. For the HHT transform, here is the use of its IMF decomposition, and then use the energy theory to determine which module is false, which is true component. The theoretical basis for the feature extraction of the spectrum after EMD decomposition is fuzzy entropy. The fuzzy entropy of the real component is calculated, as the input layer, the output layer is two neurons, which is 0 (fault) 1 (normal) to determine whether the signal is faulty.)