我的毕业设计,自己用matlab编的关键帧提取的代码,调试通过,运行结果较理想。
与大家分享一下。
参考了光流发提取关键帧的代码,通过计算帧差的欧式距离,均值,方差等来提取关键帧。
2025/4/6 9:19:10 3.34MB 关键帧提取的matlab程序
1
1读取BIP、BIL、BSQ文件2均值滤波中值滤波3边缘信息提取4DFTFFT5主成分变换6缨帽变换7图像分类(K—均值分类、最小距离分类、最大似然分类)8大气校正反射率地表温度的反演9Habib教授课程总结
2025/4/6 0:02:02 3.42MB 图像处理 Matlab代码
1
针对MEMS陀螺仪精度不高、随机噪声复杂的问题,研究了某MEMS陀螺仪的随机漂移模型。
应用时间序列分析方法,采用AR(1)模型对经过预处理的MEMS陀螺仪测量数据噪声进行建模,进而基于该AR模型并采用状态扩增法设计Kalman滤波算法。
速率试验和摇摆试验仿真结果表明在静态和恒定角速率条件下,采用该算法滤波后的MEMS陀螺仪的误差均值和标准差都比滤波前有了明显的降低。
针对摇摆基座下该算法随摆动幅度的增大效果变差的问题,从提高采样率和选择自适应Kalman滤波两个方面对算法进行改进。
仿真结果表明,两种方法都能改善滤波效果,然而考虑到系统采样频率和CPU计算速度的限制,自适应滤波有更高的实用性。
2025/4/3 11:28:36 417KB MEMS陀螺仪 ADXRS453 Kalman 滤波算法
1
利用小波算法实现图像去噪,包含软硬阈值去噪,中值,均值滤波等,内含图片灰度与彩色实例。
以及代码文件说明、
1
根据不同的方差和均值,产生三组不同高斯分布的随机数
2025/3/23 2:01:34 462KB 高斯分布 随机数
1
灰色关联度分析法是将研究对象及影响因素的因子值视为一条线上的点,与待识别对象及影响因素的因子值所绘制的曲线进行比较,比较它们之间的贴近度,并分别量化,计算出研究对象与待识别对象各影响因素之间的贴近程度的关联度,通过比较各关联度的大小来判断待识别对象对研究对象的影响程度。
关联度计算的预处理,一般初值化或者均值化,根据我的实际需要,本程序中使用的是比较序列与参考序列组成的矩阵除以参考序列的列均值等到的,当然也可以是其他方法。
2025/3/22 2:43:45 30KB 灰色关联度
1
用Qt编写(非OpenCV)纯C++,数字图象处理。
含采样,旋转,平移,平滑,锐化压缩,直方图,反色,窗口,均值,折线等图像处理。
2025/3/15 18:28:39 3.72MB Qt C++ 数字图象处理 变换
1
实验内容:⑴用matlab语言代码实现。
⑵产生粉红色噪声和高斯色噪声:让高斯白噪声通过低通、带通、高通滤波器中的任意一个就可以产生高斯色噪声。
让高斯白噪声通过每倍频程衰减3dB的衰减滤波器的滤波器就可以产生粉红噪声。
⑶对粉红色噪声和高斯色噪声进行相关分析和谱分析。
计算粉红色噪声、高斯色噪声的均值、均方值、方差、相关函数、概率密度、频谱及功率谱密度、相关函数。
⑷所有结果均用图示法来表示,能读出具体值。
2025/3/13 18:11:22 163KB matlab 色噪声 实现
1
使用STM32F407VGT6读取ADS1262数据(外部压力传感器+内部温度传感器),读取压力传感器数据后做均值+低通软件滤波(没有经过软件滤波的码值跳动范围在4000左右,经过软件滤波的码值跳动在1500左右)。
读取五次压力传感器数据后,将ADS1262通道切换到内部温度传感器,得出温度°。
1
模糊c-均值(FCM)聚类算法在matlab中实现,已测试通过
2025/3/1 7:15:08 2KB FCM聚类算法
1
共 277 条记录 首页 上一页 下一页 尾页
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 钉钉 钉钉打卡