说明:2017研究生赛F题的一大波资料
说明:EMD分解方法是基于以下假设条件:⑴数据至少有两个极值,一个最大值和一个最小值;⑵数据的局部时域特性是由极值点间的时间尺度唯一确定;⑶如果数据没有极值点但有拐点,则可以通过对数据微分一次或多次求得极值,然后再通过积分来获得分解结果。这种方法的本质是通过数据的特征时间尺度来获得本征波动模式,然后分解数...
说明: KNN 算法其实简单的说就是“物以类聚”,也就是将新的没有被分类的点分类为周围的点中大多数属于的类。它采用测量不同特征值之间的距离方法进行分类,思想很简单:如果一个样本的特征空间中最为临近(欧式距离进行判断)的K个点大都属于某一个类,那么该样本就属于这个类。这就是物以类聚的思想。
说明:实现Hough变换直线检测, Hough变换是实现图像边缘检测的一种有效方法,其基本思想是将测量空间的一点变换到参量空间中的一条曲线或一个曲面,而具有同一参量特征的点交换后在参量空间中相交,通过判断交点处的积累程度来完成特征曲线的检测,基于参量性质的不同,Hough变换可以检测直线、圆、椭圆...
说明:SIFT特征点检测监测方法。具有对于图像平移、旋转和尺度变化不变性的优点,成为近十年来最流行的图像特征点检测方法,被广泛用于图像匹配、物体识别、分类等领域。本算法对图像预处理阶段的图像增强算法进行了改进,去除了原本的直方图均衡化图像增强算法,使得图像拼接时间缩短了近一倍,且图像拼接效果依旧良好