小波包分解程序

Statistics, 4th Edition by David Freedman统计学中经典之作

☆☆ 资源说明：☆☆☆ 系统功能：☆灵活的录入数据，使信息传递更快捷；系统采用人机对话方式，界面美观友好，信息查询灵活、方便，数据存储安全可靠；实现员工奖罚信息管理；实现员工工资自动计算；实现员工考评调动管理；对用户输入的数据，进行严格的数据检验，尽可能避免人为错误；系统最大限度地实现了易安装性、易维护性和易操作性；

图像背景和前景的分离提取，是本人的一次作业，但是有完整的程序和描述，希望大家能够喜欢

提取数据的时域、频域指标，得到相应的时域和频域特征

设计一个虚拟存储区和内存工作区,编程序演示下述算法的具体实现过程,并计算访问命中率：要求设计主界面以灵活选择某算法，且以下算法都要实现1）先进先出算法（FIFO）2）最近最久未使用算法（LRU）3）最佳置换算法（OPT）

【实例简介】以2进制形式读入图片，利用冒泡法排序后，采用中值滤波，去除椒盐噪声

车道线分割模型模型训练自己的数据该模型是属于二分类语义分割6.encoder decoder model该文件夹中存放的是用于编码和解码的模型这里使用的是 vgg cncodcr. py和 fcn decoder. py测试:更换编码和解码的模型7. lanenet model该文件夹下存放的是 lannet模型的重要操作train.py中主要用到的是 lanenet merge model8. tboard该文件夹用来存放模型训练时产生的 event记录9. tools该文件夹下仔放的是 train lanenet py和 test lanenet py两个文件分别用于训练模型和测试模型10.训练准备好训练数据以后,在 terminal(终端)中通过指令跳转到 lament目录下举例:cd/ XXX/lanenet然后输入一下命令开始训练python tools/train lanenet. py --net vgg--dataset dir data/training data example/-net指定模型的骨干网终dataset dir指定训练数据的目录(该目录为 train txt所在的目录)如果训练的过程中出现了中断,需要接着训练,可以输入python tools/train lancnct. py --nct vgg -datasct dir data/training data cxamplcweights path path/to/ your/last/ checkpointgths_ path指定之前训练中断时权重文件存放的日录训练结東后,训练得到的模型的权重和参数文件在 model目录下的tusimple lanenet文件夹中l1测试准备测试数据测试数据是原始图片,放在data目录下的 training目录下的 testimage中(可以自定义)准备权重文件:将训练好的权重文件,包括:checkpoint, lanenet model pb, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000. data-00000-of-00001, tusimple lanenet vgg 2018-10-19-13-33-56ckpt-200000 index, tusimple lanenet vgg_2018-10-19-13-33-56.ckpt-200000meta放在 model文件夹中测试数据准各完成后,打开 terminal(终端)输入以下命令跳转到 lanenet目录下cd/XXX/ lanenet′然后输入如下命开始用单张图片测试模型python tools/test lanenet. py -is batch False -batch size 1 --weights pathpath/to/your/model weights file --image path data/tusimple test image/O. jpgis batch是否是批量处理(True表示是批量处理, False表示不是批量处理默认为True)batch size批量处理一次读取的图片数量weight path模型的权重文件所在的目录image path测试数据的原始图片输入如下命令开始用批量图片测试模型:python tools/test lanenet.py -is batch True -batch size 2 -save dirdata/tusimple test image/ret --weights path path/to/your model weights file-image path data/tusimple test imagesavc dir是存放测试结果的地方(测试结果为划分车道线后的图片)安芯/方禹20181228

采用Matlab编写的有限元方法，效果非常好

孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度，影响了后续目标检测、分类和识别等应用。因此，SAR图像的相干斑抑制问题一直是SAR图像应用的重要课题之一。一个理想的去斑算法应该在平滑的同时保持图像的边缘等细节不受损失，目前存在各种各样的算法，但没有一种方法能够完美的满足这一要求。本文对SAR图像的相干斑抑制问题进行了全面系统的研究，分析了相干斑的形成原因，总结了目前存在的相干斑抑制算法的主要思路，介绍了具有代表性的算法，并对各种算法的性能进行了定性分析和比较，给出了去斑算法定量评估方法

matlab中实现rls自适应二阶滤波器代码matlab中实现rls自适应二阶滤波器代码matlab中实现rls自适应二阶滤波器代码