小波阈值去噪，实现那的生死小波的去早实现和问卷字啊额的
上传时间： 2014-01-02
上传用户：hgy9473
Matlab多种图像边缘检测方法 1、用Prewitt算子检测图像的边缘 2、用不同σ值的LoG算子检测图像的边缘 3、用Canny算子检测图像的边缘 4、图像的阈值分割 5、用水线阈值法分割图像 6、对矩阵进行四叉树分解 7、将图像分为文字和非文字的两个类别 8、形态学梯度检测二值图像的边缘 9、形态学实例——从PCB图像中删除所有电流线，仅保留芯片对象
上传时间： 2013-12-28
上传用户：hphh
改良遗传算法在图像多阈值分割中的应用
上传时间： 2017-09-27
上传用户：fandeshun
本文主要研究了遗传算法在图像阈值分割中的应用。
上传时间： 2015-05-02
上传用户：rmn_jafari
使用最大熵方法实现阈值分割，其中图像为灰度图像。MATLAB代码
上传时间： 2017-04-05
上传用户：light
ksw,算法,熵,阈值分割 主要是基于ksw熵双阈值分割，利用遗传算法进行优化选择合适的阈值
上传时间： 2021-04-13
上传用户：tankang
多阈值分割优化算法，主要利用otsu+遗传算法实现图像的三阈值分割
上传时间： 2021-04-13
上传用户：tankang
该文档为小波阈值降噪在手写数字识别图像预处理中的应用概述资料，讲解的还不错，感兴趣的可以下载看看…………………………
标签： 图像预处理
上传时间： 2021-10-16
上传用户：
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
一、传感器的定义信息处理技术取得的进展以及微处理器和计算机技术的高速发展，都需要在传感器的开发方面有相应的进展。微处理器现在已经在测量和控制系统中得到了广泛的应用。随着这些系统能力的增强，作为信息采集系统的前端单元，传感器的作用越来越重要。传感器已成为自动化系统和机器人技术中的关键部件，作为系统中的一个结构组成，其重要性变得越来越明显。最广义地来说，传感器是一种能把物理量或化学量转变成便于利用的电信号的器件。国际电工委员会(IEC:International Electrotechnical Committee)的定义为：“传感器是测量系统中的一种前置部件，它将输入变量转换成可供测量的信号”。按照Gopel等的说法是：“传感器是包括承载体和电路连接的敏感元件”，而“传感器系统则是组合有某种信息处理(模拟或数字)能力的传感器”。传感器是传感器系统的一个组成部分，它是被测量信号输入的第一道关口。传感器系统的原则框图示于图1-1，进入传感器的信号幅度是很小的，而且混杂有干扰信号和噪声。为了方便随后的处理过程，首先要将信号整形成具有最佳特性的波形，有时还需要将信号线性化，该工作是由放大器、滤波器以及其他一些模拟电路完成的。在某些情况下，这些电路的一部分是和传感器部件直接相邻的。成形后的信号随后转换成数字信号，并输入到微处理器。德国和俄罗斯学者认为传感器应是由二部分组成的，即直接感知被测量信号的敏感元件部分和初始处理信号的电路部分。按这种理解，传感器还包含了信号成形器的电路部分。传感器系统的性能主要取决于传感器，传感器把某种形式的能量转换成另一种形式的能量。有两类传感器：有源的和无源的。有源传感器能将一种能量形式直接转变成另一种，不需要外接的能源或激励源(参阅图1-2(a))。有源(a)和无源(b)传感器的信号流程无源传感器不能直接转换能量形式，但它能控制从另一输入端输入的能量或激励能传感器承担将某个对象或过程的特定特性转换成数量的工作。其“对象”可以是固体、液体或气体，而它们的状态可以是静态的，也可以是动态(即过程)的。对象特性被转换量化后可以通过多种方式检测。对象的特性可以是物理性质的，也可以是化学性质的。按照其工作原理，传感器将对象特性或状态参数转换成可测定的电学量，然后将此电信号分离出来，送入传感器系统加以评测或标示。各种物理效应和工作机理被用于制作不同功能的传感器。传感器可以直接接触被测量对象，也可以不接触。用于传感器的工作机制和效应类型不断增加，其包含的处理过程日益完善。常将传感器的功能与人类5大感觉器官相比拟： 光敏传感器——视觉；声敏传感器——听觉；气敏传感器——嗅觉；化学传感器——味觉；压敏、温敏、流体传感器——触觉。与当代的传感器相比，人类的感觉能力好得多，但也有一些传感器比人的感觉功能优越，例如人类没有能力感知紫外或红外线辐射，感觉不到电磁场、无色无味的气体等。对传感器设定了许多技术要求，有一些是对所有类型传感器都适用的，也有只对特定类型传感器适用的特殊要求。针对传感器的工作原理和结构在不同场合均需要的基本要求是： 高灵敏度，抗干扰的稳定性(对噪声不敏感)，线性，容易调节(校准简易)，高精度，高可靠性，无迟滞性，工作寿命长(耐用性) ，可重复性，抗老化，高响应速率，抗环境影响(热、振动、酸、碱、空气、水、尘埃)的能力 ，选择性，安全性(传感器应是无污染的)，互换性 低成本 ，宽测量范围，小尺寸、重量轻和高强度，宽工作温度范围 。二、传感器的分类可以用不同的观点对传感器进行分类：它们的转换原理(传感器工作的基本物理或化学效应)；它们的用途；它们的输出信号类型以及制作它们的材料和工艺等。根据传感器工作原理，可分为物理传感器和化学传感器二大类：传感器工作原理的分类物理传感器应用的是物理效应，诸如压电效应，磁致伸缩现象，离化、极化、热电、光电、磁电等效应。被测信号量的微小变化都将转换成电信号。化学传感器包括那些以化学吸附、电化学反应等现象为因果关系的传感器，被测信号量的微小变化也将转换成电信号。有些传感器既不能划分到物理类，也不能划分为化学类。大多数传感器是以物理原理为基础运作的。化学传感器技术问题较多，例如可靠性问题，规模生产的可能性，价格问题等，解决了这类难题，化学传感器的应用将会有巨大增长。常见传感器的应用领域和工作原理列于表1.1。按照其用途，传感器可分类为： 压力敏和力敏传感器 ，位置传感器 ， 液面传感器 能耗传感器 ，速度传感器 ，热敏传感器，加速度传感器，射线辐射传感器 ，振动传感器，湿敏传感器 ，磁敏传感器，气敏传感器，真空度传感器，生物传感器等。以其输出信号为标准可将传感器分为： 模拟传感器——将被测量的非电学量转换成模拟电信号。数字传感器——将被测量的非电学量转换成数字输出信号(包括直接和间接转换)。膺数字传感器——将被测量的信号量转换成频率信号或短周期信号的输出(包括直接或间接转换)。开关传感器——当一个被测量的信号达到某个特定的阈值时，传感器相应地输出一个设定的低电平或高电平信号。
上传时间： 2013-10-11
上传用户：zhangdebiao
