从 Mentor Graphics 的自动测试图形生成（ATPG）工具 FastScan的 测试文档中提取出测试电路（CUT）的测试模式，生成便于对应压缩算法的文件 格式。 本文中， 给出了 2 种压缩测试模式的方法， 一种是基于统计的哈夫曼编码， 一种是基于差分运算的Golomb 编码。本次毕业设计中，在熟悉Mentor Graphics ATPG工具 FastScan的基本功能和其主要的测试模式输出文件的格式的基础上， 实现其中测试结构和测试模式数据的分析提取， 并且在掌握典型的测试模式压缩 算法的思想以及 C/C++开发环境的前提下，选择或综合相关的优化压缩算法，针 对测试结构信息，实现测试模式数据的压缩，及软件的基本图形化操作和结果报 告界面。
标签： Graphics FastScan Mentor ATPG
上传时间： 2017-08-17
上传用户：bcjtao
一种嵌入可读水印的自适应盲水印算法， 本文提出了一种基于DWT的嵌入可读水印的自适应盲水印算法,通过分析图像经离散小波变换后细 节子带系数的特性,把细节子带系数的均值和方差作为水印信息的一部分来自适应地修改图像小波分解后某些细节 子带的系数值,在满足水印不可感知性的条件下自适应地嵌入水印信息,实现了水印不可感知性和鲁棒性之间的折 衷. 同时,水印的提取无须求助于原图像,很好的实现了水印的盲检测. 这里的水印是一幅有实际意义的二值图像. 实 验结果和攻击测试表明,本文提出的算法对JPEG/ JPEG2000 压缩、添加噪声、剪切、像素移位等多种攻击有较强的鲁棒 性,同时对直方图均衡化、对比度调整和高斯滤波等图像处理操作也具有一定的抵抗能力.
上传时间： 2017-08-30
上传用户：阳光少年2016
在matlab环境下利用LSB最低有效位算法将一个图片水印隐藏在载体图片中，并对被隐藏那个信息进行提取。
上传时间： 2017-09-15
上传用户：懒龙1988
可以进行图像特征点的提取，匹配，可以良好运行
标签： 图像处理
上传时间： 2015-06-01
上传用户：592448730
鱼眼镜头具有短焦距(f =6~16mm)、大视场的优点（视场角约为至），在虚拟实景、视频监控、智能交通、机器人导航等领域得到广泛的应用。但鱼眼镜头摄像机拍摄的图像具有非常严重的变形。如果要利用这些具有严重变形图像的投影信息，需要将这些变形的图像校正为符合人们视觉习惯的透视投影图像。 在鱼眼图像校正之前，需要把鱼眼图像的有效区域提取出来，它在整个校正过程中至关重要。针对几种常用的有效区域提取方法的不足，本文提出一种改进算法，实验结果表明该方法在保证精度的前提下兼顾了效率。鱼
上传时间： 2016-06-12
上传用户：halias
通过MATLAB平台建立一个GUI界面，接着对一组语音信号的输入进行预处理及端点检测，提取特征参数（MFCC），形成参考模块。然后再对一组相同的语音信号输入进行同样的操作作为测试模块，与参考模块进行DTW算法进行匹配，输出匹配后的识别结果。
上传时间： 2016-06-15
上传用户：sjr88
使用verilog实现soble算法提取图像边缘
上传时间： 2017-07-02
上传用户：jiajingchan
基于FFT的数字水印算法设计，包括水印的嵌入和提取，置乱，峰值噪声比，归一化
上传时间： 2018-07-30
上传用户：小强子说
%========================开始提取加噪信号的各类特征值================================ for n=1:1:50; m=n*Ns; x=(n-1)*Ns; for i=x+1:m; %提取加噪信号'signal_with_noise=y+noise'的前256个元素，抽取50次 y0(i)=signal_with_noise(i); end Y=fft(y0); %对调制信号进行快速傅里叶算法（离散） y1=hilbert(y0) ; %调制信号实部的解析式 factor=0; %开始求零中心归一化瞬时幅度谱密度的最大值gamma_max for i=x+1:m; factor=factor+y0(i); end ms=factor/(m-x); an_i=y0./ms; acn_i=an_i-1; end gamma_max=max(fft(acn_i.*acn_i))/Ns
上传时间： 2020-04-07
上传用户：如拷贝般复制
%========================开始提取加噪信号的各类特征值================================ for n=1:1:50; m=n*Ns; x=(n-1)*Ns; for i=x+1:m; %提取加噪信号'signal_with_noise=y+noise'的前256个元素，抽取50次 y0(i)=signal_with_noise(i); end Y=fft(y0); %对调制信号进行快速傅里叶算法（离散） y1=hilbert(y0) ; %调制信号实部的解析式 factor=0; %开始求零中心归一化瞬时幅度谱密度的最大值gamma_max for i=x+1:m; factor=factor+y0(i); end ms=factor/(m-x); an_i=y0./ms; acn_i=an_i-1; end gamma_max=max(fft(acn_i.*acn_i))/Ns
上传时间： 2020-04-07
上传用户：如拷贝般复制
