基于全变差图像去噪经典算法,提出一种自适应保真项的数值实现算法.该算法利用图像纹理区和光滑区中噪声的不同特点,采用不同去噪强度避免传统方法的不足,并以数值方法实现.在保持经典算法去噪效果的前提下,处理了原有阶梯效应和过度平滑的问题,尤其对精致的纹理和细节图像,使其在去噪的同时,不丢失图像特点.该方法处理相对简单,可应用于以偏微分方程为基础的图像处理.
2016/9/27 20:12:09
919KB
1
基于卫星通信快速、准确捕获载波频率的需求，提出了一种根据反余弦函数的大载波频偏估计算法。
通过详细的理论推导和仿真验证，表明了该算法抗噪声能力强、频偏估计范围大、估计精度高以及易于实现的良好功能。
通过详细的理论推导和仿真验证，表明了该算法抗噪声能力强、频偏估计范围大、估计精度高以及易于实现的良好功能。
2018/8/18 15:42:10
1.51MB
1
提出了一种基于非局部均值(NLM)滤波的相关激光雷达距离像去噪方法，结合滤波后的强度像和原始距离像、背景抑制(B-S)后的中值滤波和NLM滤波等图像融合方法，实现B-S和距离反常抑制。
对不同载噪比的相关激光雷达多目标仿真图像进行了去噪处理。
比较了Lee滤波等方法处理结果。
实验结果表明，采用该方法，能够满足距离像背景噪声抑制、目标上距离值正常和边缘保持三方面要求。
对不同载噪比的相关激光雷达多目标仿真图像进行了去噪处理。
比较了Lee滤波等方法处理结果。
实验结果表明，采用该方法，能够满足距离像背景噪声抑制、目标上距离值正常和边缘保持三方面要求。
2017/7/2 2:34:44
5.86MB
1
EEMD算法通过加入噪声来减小EMD的模态效应，CEEMDAN算法通过加入自顺应的噪声来进一步减小模态效应，而且具有更好的收敛性。
2020/10/14 17:42:02
11KB
1
摘要:在基于深度图的虚拟图像绘制(DIBR)中,前景物体的遮挡会形成虚拟图像中的空洞问题.针对Criminisi算法及模板匹配对空洞边界噪声敏感的问题,提出一
2018/8/16 3:25:46
2.29MB
1
分量和背景噪音的估值，为参考点判决阈值的选取做预备。
接着检出语音信号大致的起止点作为实际起止点的参考点。
然后利用汉语语音功率谱的特点，检测出实际的语音起止点。
最
接着检出语音信号大致的起止点作为实际起止点的参考点。
然后利用汉语语音功率谱的特点，检测出实际的语音起止点。
最
2015/1/17 18:01:32
508KB
1
为提髙复杂噪声环境下语音信号端点检测的准确率，提岀一种基于梅尔频谱倒谱系数（MFCC）距离的多维特征语音信号端点检测算法。
通过计算语音信号的MrcC距离，结合短时能量和短时过零率对特征距离进行修正，并更新其阈值，建立自顺应噪声模型，实现复杂噪声中语音信号端点的准确检测。
实验结果表明，与基于双限能量和基于倒谱距离的2种经典检测算法相比，在计算效率相同的条件下，该算法的检测准确率更高。
通过计算语音信号的MrcC距离，结合短时能量和短时过零率对特征距离进行修正，并更新其阈值，建立自顺应噪声模型，实现复杂噪声中语音信号端点的准确检测。
实验结果表明，与基于双限能量和基于倒谱距离的2种经典检测算法相比，在计算效率相同的条件下，该算法的检测准确率更高。
2019/1/19 6:32:11
1.23MB
1
DetrendedFluctuationAnalysis，DFA方法的一个优点是它可以无效地滤去序列中的各阶趋势成分,能检测含有噪声且叠加有多项式趋势信号的长程相关,适合非平稳时间序列的长程幂律相关分析
2016/8/19 5:50:11
475B
1
DBSCAN聚类，是一种基于密度的聚类算法，它类似于均值漂移，DBSCAN与其他聚类算法相比有很多优点，首先，它根本不需要固定数量的簇。
它也会异常值识别为噪声，而不像均值漂移，即使数据点非常不同，也会简单地将它们分入簇中。
另外，它更抗噪音，能够很好地找到任意大小和任意形状的簇。
DBSCAN的聚类过程就是根据核心弱覆盖点来推导出最大密度相连的样本集合，首先随机寻找一个核心弱覆盖样本点，按照Minpts和Eps来推导其密度相连的点，然后再选择一个没有赋予类别的核心弱覆盖样本点，开始推导其密度相连的样本结合，不断迭代到所有的核心样本点都有对应的类别为止。
作者博客中详细介绍了DBSCAN的算法原理，可以通过文章结合学习，代码包含详细注释，只需要导入自己的聚类数据，运行代码便可以得出聚类结论与图像。
它也会异常值识别为噪声，而不像均值漂移，即使数据点非常不同，也会简单地将它们分入簇中。
另外，它更抗噪音，能够很好地找到任意大小和任意形状的簇。
DBSCAN的聚类过程就是根据核心弱覆盖点来推导出最大密度相连的样本集合，首先随机寻找一个核心弱覆盖样本点，按照Minpts和Eps来推导其密度相连的点，然后再选择一个没有赋予类别的核心弱覆盖样本点，开始推导其密度相连的样本结合，不断迭代到所有的核心样本点都有对应的类别为止。
作者博客中详细介绍了DBSCAN的算法原理，可以通过文章结合学习，代码包含详细注释，只需要导入自己的聚类数据，运行代码便可以得出聚类结论与图像。
2019/2/13 8:01:39
4KB
1
1、实际应用最广泛的计算机网络体系结构是（TCP/IP），它的网络层是（基于无连接）的，同层对2、奈奎斯特定理：无噪声无限带宽信道的最大数据传输率=3、差
2017/9/16 10:40:51
1.36MB
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