基于小波变换分割图像.zip

本文展示了一种自动识别视频中移动目标的方法。论文中提取移动目标通过帧序列，这种方法不需要先验知识，比如：时间阈值调整。基于相邻帧的连续对称差分，我们能得到全分辨率显著图；然后利用最大熵方法计算阈值决定候选区域和获得兴趣点的种子；最后用修改的模糊生长方法获得最终的结果。本文中提出的算法是有效的、具有鲁棒性的。实验结果也证明它具有很好的效果。移动目标检测在计算机视觉中有广泛应用，但是在研究过程中也有很多挑战。通常目标检测方法被分为三类：（1）基于时间信息。例如：帧差法能很快检测出目标，但很难得到整个物体的轮廓，并且易受背景的影响。（2）基于空间信息的。（3）基于时间和空间信息的。有较好的效果，计算复杂度高。本文提出了一种基于时间信息的方法。（1）通过相邻帧对称差分获得显著图；（2）使用最大熵模型得到一个阈值去二值化时间显著图和获得候选区域。然后选择候选区域最显著的点作为兴趣种子点。（3）对于每一兴趣种子点，在显著图上应用模糊生长方法直到没有点能被聚集和能获得移动物体的轮廓A.移动显著图的产生①获得一段连续帧②相邻帧做差分得到移动目标。③对得到的差分显著图做开运算。作用：消除小的和亮的细节。④为了去除噪声和背景运动的影响，对差分得到的显著图做和再平均。B.兴趣种子选择由于图像是连续变化的，一个固定的阈值不能很好的二值化显著图，本文采用最大熵方法得到一个变化的阈值去二值化显著图和提取候选兴趣区域。然后选择兴趣种子点。C.移动目标检测为了提取移动的目标，本论文应用模糊生长方法去使兴趣点的种子生长成一片区域。如果像素值满足下列条件，对兴趣点的种子使用模糊生长算法。a和u表示如下图实验数据集：PETS2000, PETS2001 and Dataset2014设备：The algorithm is implemented with C on a personal computer with Core i3 3.3 GHz CPU and 2G RAM.评价标准：假负率(False Negative Rate , FNR) ：FNR = FN /(TP FN) ，即被预测为负的正样本结果数/正样本实际数假正率(False Positive Rate , FPR) ：FPR = FP /(FP TN) ，即被预测为正的负样本结果数 /负样本实际数    Specificity (负例的覆盖率，True Negative Rate) =正确预测到的负例个数/实际负例总数     PBC ：Percentage of Bad Classifications召回率（Re、recall）：预测为真实正例除以所有真实正例样本的个数准确率(Precision) ：预测为真实正例除以所有被预测为正例样本的个数F-measure：查准率和查全率的调和平均值, 更接近于P, R两个数较小的那个: F=2* P* R/(P R)实验结果如下图 表一表示的是本论文实验得出的结果；Fig7和Fig8本文的实验结果与图中方法的比较，可以看出本文中的方法表现很出色。论文中的检测结果本论文的贡献共以下五点：（1）产生特征图基于时间信息。（2）对于场景不需要任何先验知识。（3）扩展了差分从相邻两帧到相邻n帧。（4）对于复杂的背景和相机的抖动具有很好的鲁棒性。（5）自动的提取移动目标。

软阈值降噪法，硬阈值降噪法，和程序运行后的图形

要自适应滤波器作为一种现代滤波器，在通信领域有着广泛的应用. 阐述了LMS以及RLS自适应滤波器的相关原理及其在通信系统去噪中的应用，并用MATLAB对自适应滤波器的去噪结果进行了相应的仿真，仿真结果直观地体现了自适应滤波器的去噪性能。本文对自适应滤波器系统进行剖析，基于QPSK调制后的信号，并对该信号加工成为不同信噪比如SNR=0Db、SNR=5dB、SNR=10dB的信号，进行了两种分别基于LMS自适应滤波和RLS自适应滤波的操作。并对添加了有色高频噪声等加噪处理来模拟通信过程中的实际应用环境，测试所设计的低通滤波器对于噪声信号的滤波性能，并对结果进行分析总结。   关键词：自适应滤波器，QPSK调制，RLS算法，LMS算法，低通滤波器 【文件目录】 auto_filter ├── LMSfilter.m├── noisegen.m├── orisignal.asv└── orisignal.m0 directories, 4 files

PWM有需求的看过来-单相SPWM逆变电路 在此贡献几个不同的spwm的模型，供大家学习使用，欢迎讨论！！

RBF.m

基于SARSA强化学习解决的经典迷宫问题

本设计为基于MATLAB的指纹识别系统。本设计系统主要对指纹图像进行三方面处理：图像预处理、特征提取和特征匹配。 图像预处理包括四个步骤：图像灰度化、滤波增强、二值化、细化，对指纹图像进行预处理后，去除了原图像的冗余部分，方便后续的识别处理； 特征提取主要是提取指纹图像细化后的端点和分叉点；特征匹配是利用两个指纹的图像进行特征点比较，来确定两幅图像是否来自于同一手指。

【实例简介】

GDOP 算法

人工势场法路径规划是由Khatib提出的一种虚拟力法（Oussama Khatib，Real-Time obstacle Avoidance for Manipulators and Mobile Robots. Proc of The 1994 IEEE.）。它的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题。