CORNER 按以下步骤工作： 1. 将 Canny 边缘检测器应用于灰度图像并获得二值边缘图。 2. 从边缘图中提取边缘轮廓，填充轮廓中的空隙。 3.为每个轮廓以低比例计算曲率，以保留所有真实角。将所有曲率局部最大值视为初始角候选。 4. 使用自适应局部阈值比较初始角候选以去除圆角。 5. 评估角候选的角度以消除由于量化噪声和琐碎细节引起的任何假角。 上述评估基于动态支持区域，该区域根据其相邻角候选而变化。 6. 轮廓的端点用附加标准来考虑。
算法来源于： XC He 和 NHC Yung，“具有自适应阈值和动态支持区域的曲率尺度空间角检测器”，第 17 届模式识别国际会议论文集，2：791-794，2004 年 8 月。
上述改进算法已发表于： XC He 和 NHC Yung，“基于全局和局部曲率特性的角点检测器”，光学工程，47（5），pp：057008，2008。（本文包含
2021-11-08 15:05:51
59KB
1
根据国家电网公司颁布的以地电波检测作为开关柜带电检测手段的相关规定，提出了一种基于ARM9平台的便携式开关柜局部放电检测仪。该仪器采用峰值检测电路对局部放电信号进行特征参数提取，避免了传统上采用 A/D 采样后产生的庞大数据量，方便手持系统更好地对这些数据进行实时处理。
2021-11-07 13:43:03
524KB
1
传统基于邻域决策错误率的属性约简准则是针对总体分类精度的提升而设计的，未能展现因约简而引起的各类别精度变化情况。针对这一问题，引入局部邻域决策错误率以及局部属性约简的概念，其目的是提升单个类别的分类精度。在此基础上，进一步给出了求解局部邻域决策错误率约简的启发式算法。在8个UCI数据集上的实验结果表明，局部约简不仅是提高各个类别精度的有效技术手段，而且也解决了因全局约简所引起的局部分类精度下降问题。
2021-11-06 09:52:30
938KB
1
使用Perl编程语言实现了双序列全局比对Needleman Wunsch算法，以及双序列局部比对Smith Waterman算法。该资源也可在github上下载：https://github.com/GouXiangJian/two_seq_alignment
2021-11-05 19:24:31
6KB
1
推荐国防科技大学郭裕兰博士的《点云局部特征描述与三维目标重建识别技术研究》，将特征描述的本质说出来了：
一个良好的特征描述子应能包含所在局部表面的主要形状信息以提供足量的 鉴别力。此外，一个良好的特征描述子还应对噪声、遮挡、背景干扰、点密度变 化以及视点变化等稳健。现有的局部特征描述算法可以分为基于点特性、基于直方图以及基于变换的算法三类。
基于变换的算法首先将点云从空间域变换到其它域（比如谱域），进而采用该变换域 中的信息实现对关键点局部邻域的描述。
2021-11-04 22:11:50
39.99MB
1
NLM 是一种基于补丁的方法，它是瞬态保留的。 在心电图中，这意味着可以保留信号峰值，同时抑制其他高频噪声。 参见“ECG 信号的非局部方式去噪”，B. Tracey 和 E. Miller，IEEE Transactions on Biomedical Engineering，第 59 卷，第 9 期，2012 年 9 月，第 2383-2386 页。
2021-11-04 11:04:30
15KB
1