针对电力故障信号为突变、非平稳信号的特点,利用消噪阈值法对故障信号进行预处理,通过小波变换对故障信号进行特征提取,然后将小波变换和信息熵相结合,并应用到故障检测与定位中,为奇异信号的检测提供了新思路和新手段。通过仿真分析,得到以下结论:小波能量熵WEE可以很好地检测故障突变点,小波能量熵随时间的变化规律,反映了电流或电压在时域的能量分布特征并表征信号的频率变化,可以用作分类所需的特征。

otsu 图像二值化 全局阈值法 c++实现

利用OpenCV的threshold函数实现双阈值法二值化操作的源码!-附件资源

水线（也称分水岭或流域，watershed）阈值算法可以看成是一种特殊的自适应迭代阈值方法，它的基本思想是：初始时，使用一个较大的阈值将两个目标分开，但目标间的间隙很大；在减小阈值的过程中，两个目标的边界会相向扩张，它们接触前所保留的最后像素集合就给出了目标间的最终边界，此时也就得到了阈值。

自适应模糊阈值法matlab代码SPIE 2019医学影像报告 郝江〜02/25/2019〜 目录 电脑辅助设计 使用弱监督和无监督对抗域自适应的独立于供应商的软组织病变检测 这项工作是针对软组织病变检测的对抗域适应 当前的软病变检测网络的局限性： 由于原始图像的后处理（专有）不同，当前网络的性能存在与硬件/软件相关的差异。 性能还与像素间距/检测器类型有关。 当前解决此限制的方法： 收集大量数据/标准化（由供应商解决）差异。 图像归一化 能带归一化/将能带缩放到参考值 局部能量 问题：基于能量的归一化： 需要时间 不一定是最佳归一化 需要很多精力 提出方法：领域适应： 转移学习方法 测试数据来自与训练集不同但相关的分布 没有目标域的标签（无监督）。 源数据集->目标数据集 P（X_s）！= P（X_t） 领域转移 可以使用H-散度来量化域移位 H是映射的所有域分类器的集合 对抗神经网络 分类网络 特征提取器 分类器 域分配器 对抗性歧视性DA 源CNN /目标CNN标识符->域标签 测验 RevGrad 参考：Ganin等。 2016年 RevGrad / ADDA / WDGRL-

自适应模糊阈值法matlab代码Finger_Vein_Matching 该项目主要研究数字静脉识别技术，包括指静脉图像的采集，图像预处理，特征信息的提取和匹配，以实现指静脉的识别。 介绍 首先，指静脉图像是由实验室中的设备收集的。 由于采集方法的限制，采集的手指静脉图像不可避免地会产生各种噪声。 因此，应对采集的图像进行预处理以尽可能减少引入的噪声。常见的预处理操作包括图像去噪，图像增强，关注区域（ROI）捕获等。对预处理后的图像进行特征提取，主要分为基于纹理的特征提取，基于编码的特征提取和基于细节点的特征提取三类，提取的特征与特征数据库中的模板匹配，如果匹配得分较大超过设定的阈值时，输入图像和模板将被归为同一类别。 否则，将其判断为不相同的类别，从而实现对指静脉的识别。 系统 指静脉识别系统主要包括四个模块：图像采集，图像预处理，特征提取和特征匹配，下面将对这四个模块进行详细介绍。 图像采集模块（指纹成像原理）手指静脉成像的基本原理是利用静脉中红细胞的特征来吸收某些近红外线。 通过将红外线照在手指上，传感器可以感应到手指传输或反射的光，从而获得手指内部静脉的图像。关键在于通过红细胞

以MATLAB为仿真实验平台,先通过所设计的模拟信号验证方法的可行性,再进一步进行实际语音信号的仿真实验;通过仿真实验,结果表明了EEMD结合小波硬软阈值折衷的方法能够减小均方误差提高信噪比,有效解决了小波分解中需要预先设定小波基和分解层数的问题,取得了良好的降噪效果。

边缘检测中yuzhifa的maltab程序

针对小波阈值去噪法在心电信号的Q、S波处产生的Pseudo-Gibbs现象,文章给出了基于小波阈值法的平移不变心电信号去噪算法。MTALAB上的仿真结果表明,给出的算法与小波阈值法相比具有更高的信噪比和更小的均方根误差。

这是一篇小论文，里面详细介绍了二维最大熵阈值算法的步骤，并对其进行了改进，提高了计算速度。