https://blog.csdn.net/weixin_42346564/article/details/84950981步骤1：用高斯滤波器平滑处理原图像；
步骤2：用一阶偏导的无限差分进行计算梯度的幅值和方向；
步骤3：对梯度幅值进行非极大值抑制；
步骤4：用双阈值算法检测和连接边缘。
步骤2：用一阶偏导的无限差分进行计算梯度的幅值和方向；
步骤3：对梯度幅值进行非极大值抑制；
步骤4：用双阈值算法检测和连接边缘。
2015/2/13 9:03:18
796KB
1
分别采用高斯窗和方窗对给定的男女生身高体重分布进行几率密度估计，并设计基于贝叶斯最小错误率的分类器，对测试样本进行男女分类
2021/10/8 17:10:17
4KB
1
基于广义惠更斯菲涅耳原理，采用Rytov相位结构函数二次近似和积分变换技术，推导出了部分相干双曲余弦高斯（ChG）阵列光束通过大气湍流传输时光束湍流距离的表达式。
研讨结果表明，部分相干ChG阵列光束的湍流距离与大气湍流强度、光束参数（包括子光束数、光束相干参数、离心参数、相对子光束间距）以及光束叠加方式（即交叉谱密度函数叠加和光强叠加）等有关。
部分相干ChG阵列光束的光束扩展会随着大气湍流强度的增大而增大，但当选择合适的光束参数以及光束叠加方式时，可以减小湍流对部分相干ChG阵列光束扩展的影响。
研讨结果表明，部分相干ChG阵列光束的湍流距离与大气湍流强度、光束参数（包括子光束数、光束相干参数、离心参数、相对子光束间距）以及光束叠加方式（即交叉谱密度函数叠加和光强叠加）等有关。
部分相干ChG阵列光束的光束扩展会随着大气湍流强度的增大而增大，但当选择合适的光束参数以及光束叠加方式时，可以减小湍流对部分相干ChG阵列光束扩展的影响。
2018/11/12 6:11:24
2.26MB
1
针对椒盐和高斯混合噪声进行处理，采用自顺应中值和修正的阿尔法等多种方法处理，代码比较简单，自带函数和测试图片，相对路径可直接运行。
2017/6/21 17:22:37
52KB
1
1、首先，Matlab产生16QAM映射方式的OFDM符号，然后在产生ACO-OFDM信号。
2、在每个ACO-OFDM符号前添加循环前缀，然后编写ACO-OFDM信号发送接收程序。
3、信道运用高斯白噪声（AWGN）信道。
4、Matlab绘出时域ACO-OFDM信号，均衡后的接收信号的星座图。
2、在每个ACO-OFDM符号前添加循环前缀，然后编写ACO-OFDM信号发送接收程序。
3、信道运用高斯白噪声（AWGN）信道。
4、Matlab绘出时域ACO-OFDM信号，均衡后的接收信号的星座图。
2019/6/9 17:31:20
2KB
1
利用OpenCV完成了基于YCbCr、混合高斯以及YCbCg肤色检测，同时其中YCbCr、混合高斯给出两种不同方式（直接和间接）读取图像数据的完成。
2017/9/17 10:02:12
8KB
1
EEMD通过添加高斯白噪声并进行平均的方法，处理了EMD的模态混叠问题。
但其会因为白噪声残留较大，导致筛分次数增加，以及分解失败，因而计算效率不高。
针对以上问题，Torres等提出了一种噪声自适应完备总体平均经验模态分解(CompleteEEMDwithAdaptiveNoise，CEEMDAN)方法。
该方法特别适合ECG信号处理。
但其会因为白噪声残留较大，导致筛分次数增加，以及分解失败，因而计算效率不高。
针对以上问题，Torres等提出了一种噪声自适应完备总体平均经验模态分解(CompleteEEMDwithAdaptiveNoise，CEEMDAN)方法。
该方法特别适合ECG信号处理。
2015/1/13 21:21:28
12KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB