搜索资源列表
wavelet_report
- 信号处理是结构健康监测系统一个重要组成部分。小波变换作为有效的信号处理工具能对被分析信号进行更细致分析，获得比傅立叶分析更多的信号特征。将小波分析应用于航空结构材料的结构健康监测中，对检测信号进行时频局部化处理，获得与结构状态相联系的特征。-Signal processing is a structural health monitoring system an important part. Wavelet transform as an effective signal processing
tuxiangchulixitongpingtai
- 本课题将包括图像的摄入和保存、平滑、直方图、锐化、边缘提取、分析 与描述、频域变化等一系列基本处理过程。为了理论联系实际，本课题还对指 纹，文字等线条纹图像的识别进行了初步的探讨，其目的是构造自动处理某些 信息的机器系统，以代替人类完成分类和辨识的任务，尤其是指纹识别对于安 全保障，公安破案方面有很大的帮助。为了使计算机识别时能很快的提取关键 特征，提高准确度，减少时空耗费，本课题在分析了多种传统的条件细化、模 板细化、形态数学上的细化等多种细化方法的原理和优缺点后，提出
2
- 我国是世界上小麦种植面积最大和消费最高的国家之一。小麦为国际主粮之一，也是食品工业的重要原料。作为最重要粮食品种之一的小麦，其价值与用途取决于它的品质。因此，基于信号处理技术，研究客观、便捷的小麦品质测定方法对提高小麦品质、减少产后损失、保证国家粮食安全具有十分重要的意义。本课题拟在研究、分析国内外无损检测技术在农产品品质分析应用现状和研究进展的基础上，研究小麦籽粒声信号的预处理方法。根据声学检测原理，研制出小麦籽粒的声信号采集装置，首先采集小麦籽粒下落碰撞所产生的声音信号，对小麦声信号进行编辑
50
- 多媒体技术的发展和视觉信息的飞速膨胀迫切需要对视觉信息资源的有效管理和检索。由此，基于内容的图像和视频检索技术得到了越来越多的重视，成为了多媒体信息检索和图像处理领域中的重要研究方向。CBIR技术将对大规模图像信息的管理和访问提供有力支持。 本文这种介绍了内容图像检索的灰度特征实现方法，具有理论意义和实际应用价值。针对基于内容图像检索技术进行了研究，介绍了其研究现状和关键技术，讨论了其技术瓶颈和发展趋势。共生矩阵法，是对图像的所有像元进行统计调查，以便描述其灰度分布的一种方法。分析了这种基于
5
- 借助小波变换在时频分析上的优点，提取地面运动目标的回波信号特征在目标识别中加以运用-With wavelet transform in time-frequency analysis of the advantages of extracting ground moving target echo signal characteristics to be used in target recognition
ECGmonitoring
- 小波变换是一种信号的时间—尺度分析方法，它具有多分辨率分析的 特点，而且在时频两域都具有表征信号局部特征的能力。由于其在信号处 理领域表现出的优异性能，目前在生物医学领域，广泛应用于信号检测、 特征提取、图像处理、信号压缩等方面。 -Wavelet transform is a signal of the time- scale analysis method, it has the characteristics of multi-resolution analysis, bu
wavelet-application-
- 小波分析是目前国际上最新的时频分析工具，在图像处理方面有着广泛地 应用。分形概念的出现为人们认识事物的局部与整体的关系提供了一种辨证的 思维方式，分形维是其主要的定量特征。小波分析是采用局部对整体依赖性的 系统方法，而分形则研究局部信号以确定信号的整体特性-Wavelet analysis is internationallyrecognizedup totheminutetoolfor allalyzing time-frequency，And it w
An-Image-Mosaics-Method
- 本文提出了一种基于时域和频域的图像拼接算法。该算法采用一种先粗后细的两步拼接方法，首先利用Fourier变换将原始图像变换到频域进行粗估计，再利用图像时域特征计算精确变换关系，然后根据得到的变换关系迸行匹配拼接。-Image mosaics Feature points Fourier transform
waveform-length
- 计算信号的波形长度特征，这是一种能反应时频信息的特征-waveform length feature
matlab小波变换程序
- 小波变换(wavelet transform，WT)是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的"时间-频率"窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了