Rotation-Invariant Image and Video Description with LBP Feature.基于图像和视频的LBP特征提取算法，需要自备LBP功能函数

为了提高情感可视化的鲁棒性，该文提出了一种面向语音与面部表情信号的情感可视化方法。首先对获取的情感信号进行特征提取，并将其作为神经网络的输入，神经网络的输出即为相应的图案信息，然后通过图像生成模块生成可视化图像，实现对中性、高兴、愤怒、惊奇、悲伤和恐惧六种人类基本情感的可视化。该方法通过组合不同模式的情感特征进入一幅图像中，为人们创造了情感的可读模式，可以直观地展示情感的分类结果。仿真实验结果表明，仅通过语音信号进行可视化的平均正确率是78.0%，而通过该文方法的平均正确率是91.8%，具有良好的鲁棒性和易懂性。

提取纹理特征然后用svm进行分类，希望对大家有帮助

由于模拟电路的非线性、容差性及元器件参数的连续可变性等特点的存在，传统的模拟电路故障诊断手段在实际运用中已经很难得到令人满意的结果。 本文将小波变换与神经网络结合，对特征提取进行优化，以雷达滤波电路为研究对象，在考虑容差性的情况下对电路进行故障诊断，体现出小波神经网络在诊断正确性及时效性上所具有的优势。

自计算机视觉产生开始，视觉信息则自动成为其处理的对象。纹理特征作为视觉信息的重要部分，成为图像特征提取的重点。针对纹理特征提取中，传统LBP 算法作为一种基于灰度的算法，仅仅局限对低分辨率图片，其识别率通常比较低的问题，提出一种基于小波变换的LBP算法。该算法利用小波变换的局部特性、方向性和多方向性等特点，并结合LBP算法自身具有的旋转不变形、灰度不变形等特点，从而通过小波变换对高分辨率图片的分解，再通过局部二值模式的优势，从而实现对图像纹理特征的提取。最后通过MATLAB软件编程与ORL数据库的对比测试，改进算法的识别率明显优于传统LBP算法。

该代码简单易懂，对于初学者，入门者有着绝对的学习和参考价值。并且与算法文章相结合着看，效果更好。该代码不同于其他人上传的代码，我对基本语法，关键部分，每一步骤都用中文做了详细注释，读者能以最快速度对该算法进行理解和加深（小白都能看得懂）。最后如果不懂，可私信我，互相交流。

这是MATLAB程序(带测试程序)； 思路很清楚的； 提取图像特征采用ZerNike不变矩

利用DOG算子实现角点检测，matlab源码，注释详实，有参考的算法讲解网站链接。如果有问题可以在评论区讨论留言，我会尽力解答。

matlab GUI进行语音信号的特征提取，包含了语音信号的端点检测，共振峰估计等语音信号特征提取，如果有疑问请咨询1741321723@qq.com，大家共同开发改进

Gabor特征提取MATLAB函数 function gaborArray = gaborFilterBank(u,v,m,n) function featureVector = gaborFeatures(img,gaborArray,d1,d2)