這是一個(gè)在RT-19264上顯示一幅圖的程序用匯編編寫(xiě)
上傳時(shí)間： 2013-12-24
上傳用戶(hù)：as275944189
這是一個(gè)完整的限幅濾波算法程序，通過(guò)仿真可以得到其曲線(xiàn)圖！
上傳時(shí)間： 2017-01-01
上傳用戶(hù)：15071087253
// 入口參數(shù)： // l: l = 0, 傅立葉變換 l = 1, 逆傅立葉變換 // il: il = 0,不計(jì)算傅立葉變換或逆變換模和幅角；il = 1,計(jì)算模和幅角 // n: 輸入的點(diǎn)數(shù)，為偶數(shù)，一般為32，64，128，...,1024等 // k: 滿(mǎn)足n=2^k(k>0),實(shí)質(zhì)上k是n個(gè)采樣數(shù)據(jù)可以分解為偶次冪和奇次冪的次數(shù) // pr[]: l=0時(shí)，存放N點(diǎn)采樣數(shù)據(jù)的實(shí)部 // l=1時(shí), 存放傅立葉變換的N個(gè)實(shí)部 // pi[]: l=0時(shí)，存放N點(diǎn)采樣數(shù)據(jù)的虛部 // l=1時(shí), 存放傅立葉變換的N個(gè)虛部 // // 出口參數(shù)： // fr[]: l=0, 返回傅立葉變換的實(shí)部 // l=1, 返回逆傅立葉變換的實(shí)部 // fi[]: l=0, 返回傅立葉變換的虛部 // l=1, 返回逆傅立葉變換的虛部 // pr[]: il = 1,i = 0 時(shí)，返回傅立葉變換的模 // il = 1,i = 1 時(shí)，返回逆傅立葉變換的模 // pi[]: il = 1,i = 0 時(shí)，返回傅立葉變換的輻角 // il = 1,i = 1 時(shí)，返回逆傅立葉變換的輻角
上傳時(shí)間： 2017-01-03
上傳用戶(hù)：ynsnjs
雙線(xiàn)性?xún)?nèi)插法(bi-linear interpolation) 此方法以(x,y)的四個(gè)鄰近點(diǎn)來(lái)求得最近似的灰度
標(biāo)簽： interpolation bi-linear 61548 灰度
上傳時(shí)間： 2013-12-28
上傳用戶(hù)：三人用菜
雙線(xiàn)性?xún)?nèi)插法(bi-linear interpolation) 此方法以(x,y)的四個(gè)鄰近點(diǎn)來(lái)求得最近似的灰度
標(biāo)簽： interpolation bi-linear 61548 灰度
上傳時(shí)間： 2014-12-21
上傳用戶(hù)：佳期如夢(mèng)
完整的幅相調(diào)制信號(hào)可k階非線(xiàn)性功率譜分析
標(biāo)簽： 調(diào)制信號(hào) 功率譜 分 非線(xiàn)性
上傳時(shí)間： 2017-01-10
上傳用戶(hù)：Divine
博士論文；提出了幅值譜和反射對(duì)稱(chēng)作為關(guān)鍵幀特征的步態(tài)識(shí)別算法；小波速度矩和小波反射對(duì)稱(chēng)矩，以及用二者的結(jié)合來(lái)描述步態(tài)；分形維數(shù)小波分析描述子步態(tài)識(shí)別算法；靜態(tài)特征和動(dòng)態(tài)特征相結(jié)合的三維步態(tài)識(shí)別方法
標(biāo)簽： 反射 對(duì)稱(chēng) 論文 幅值
上傳時(shí)間： 2014-01-22
上傳用戶(hù)：cuiyashuo
根據(jù)神經(jīng)網(wǎng)絡(luò)的算法對(duì)三幅訓(xùn)練圖像和測(cè)試圖像進(jìn)行識(shí)別。
標(biāo)簽： 圖像 神經(jīng)網(wǎng)絡(luò) 測(cè)試 算法
上傳時(shí)間： 2013-12-15
上傳用戶(hù)：dongbaobao
這是再講解python內(nèi)部結(jié)構(gòu)的文件 對(duì)邊議員李有興趣 可以研究
標(biāo)簽： python
上傳時(shí)間： 2017-01-25
上傳用戶(hù)：6546544
針對(duì)靜止圖像經(jīng)整數(shù)小波變換(integer wavelet transform)后,各子帶系數(shù)的幅值動(dòng)態(tài)變化范圍小,不利 于零樹(shù)編碼(embedded zerotree wavelet coding)的缺點(diǎn),采用“從 1 開(kāi)始的整數(shù)平方”代替“2 的整數(shù)次冪”作為零樹(shù) 編碼的量化閾值,縮短了量化閾值間隔.通過(guò)減少重要系數(shù)在較低量化閾值中出現(xiàn)的機(jī)會(huì),增加了編碼過(guò)程中的 零樹(shù)數(shù)量 同時(shí)通過(guò)減少參與編碼的字符數(shù)及對(duì)最高頻帶零樹(shù)不編碼,簡(jiǎn)化了編碼過(guò)程.實(shí)驗(yàn)結(jié)果表明,整數(shù)平方 量化閾值下的零樹(shù)編碼(integer square zerotree wavelet coding)解決了整數(shù)小波變換中零樹(shù)編碼的低效問(wèn)題,提 高了靜止圖像的編碼效率.
標(biāo)簽： wavelet transform embedded zerotree
上傳時(shí)間： 2017-01-29
上傳用戶(hù)：as275944189
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
