传统的边缘检测方法大都基于灰度图像，不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题，提出了一种彩色图像边缘提取算法，基于图像自身梯度方向信息和多通道信息融合技术，将灰度边缘模板算子扩展应用到彩色图像的边缘检测中，在RGB空间中对原彩色图像进行多通道边缘检测；同时采用滤波来抑制噪声，依靠边缘生长保证检出边缘的连续性，并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小，实验结果表明了其能充分利用图像的颜色和梯度信息，有效地消除噪声，

空分复用多用户多输入多输出(MIMO)系统具有很高的频谱利用率,由于其系统结构和所处的信道环境的复杂性,使得用户间缺乏协作关系,当用户间干扰消除有残差或信道估计不准确时,传统线性接收机不能获得理想的检测效果.针对这一问题,利用每个用户的自身信道对多用户系统用户端信道进行扩展重构,给出一种高效的基于最小化均方误差(MMSE)准则的检测算法,此算法利用扩展后的信道对用户端接收机进行优化,不仅易于实现,还可以获得较好的误码率性能,有效的减少了多用户干扰消除后的残差和信道估计误差对检测算法的影响.仿真结果表明了所

贝叶斯matlab代码实例贝叶斯在线多元变化点检测算法 学生： Ilaria Lauzana 主管： ，何塞·梅迪纳（Jose Medina） 该存储库包含由Ilaria Lauzana，Nadia Figueroa和Jose Medina提出的贝叶斯在线多元变化点检测算法的实现。 我们提供3种实现： Matlab的 Python ros节点从流数据中检测变更点（online_changepoint_detector） 您可以在相应的文件夹中找到每个实现： 结构 . ├── README.md └── matlab ├── README.md │   └── code │   └── lightspeed └── python ├── python-univariate ├── README.md │   └── bayesian_changepoint_detection ├── python-multivariate └── online_changepoint_detector ├── CMakeLists.txt ├── package.xml └── scripts └──

车牌检测算法的matlab实现，采用边缘检测与形态学处理相结合的方法。有较高的准确率（80%以上）

为了使采摘机器人在收获番茄时更加精准地识别目标果实，采用改进后的 Cascade rcnt网络对温室内的番茄果实进行目标检测。将 Cascade rann网络中的非极大值抑制算法替换为Sof-NMS（ soft non- maximum suppression）算法，采用适合番茄形状的锚框，增强网络对重叠果实的识别能力，与原 Cascade rann网络相比，目标识别的准确率提高了近2%，在识别番茄果实的同时，该网络对番茄的成熟度进行了简单分类。为进一步验证网络性能，将改进网络与经典的 Faster rann网络和YOO3网络进行对比。实验结果表明，改进网络能够准确地识别岀番茄果实，并对成熟番茄与未成熟番茄做出区分。该方法可为温室内番茄果实的采摘提供技术支持。

在已知的多输入多输出(MIMO)及正交频分复用(OFDM)系统的信号检测算法中，球型译码检测算法的译码性能十分接近于性能最优的最大似然检测算法，并且其译码复杂度有很大的降低，但其会受到译码半径的影响。普通的球型译码检测算法，信道噪声对算法的译码半径影响较大，为了降低信道噪声对译码半径的影响度，提出了一种新型的球型译码检测算法，该算法在译码初始半径分别根据两种不同的情况作出选择。仿真结果显示，其选择的译码半径受噪声的影响极小，达到了降低译码复杂度的目的。总体而言，新型的球型译码检测算法极大地降低了译码复杂度

提出改进的快速TLS-ESPRIT（全局最小二乘子空间旋转不变）算法，其在TLS-ESPRIT算法的基础上，通过降低奇异值分解维数，减小了计算量，并对计算结果不产生影响，可高精度地辨识电力系统中任意组合谐波和间谐波的频率、幅值和相位参数信息。在采样间隔10 μs、采样2 000点的实验条件下，用仿真信号（含均方差为1的白噪声）和实际牵引变电站监测信号进行间谐波分析试验，结果表明，该方法具有良好的频率分辨率和抗噪声能力，能够在较短的数据窗内有效地辨识出信号中的主要谐波和间谐波分量，计算误差小于0.5 %；并且算法仅对周期信号敏感，不受频谱泄漏影响，实用性强。

本文来自csdn，本文主要介绍了目标检测算法和物体关键点检测的应用场景以及位置检测的算法特点。 目标检测概念 目标检测这里阐述两个应用场景，1为物体位置检测，2为物体关键点检测。 1物体位置检测 相比与图片分类，目标检测算法结果要求不仅识别出图片中的物理类别并且输出物体的位置

实时读取图片并能对图片加不同比例的高斯噪声和椒盐噪声。各种经典图像边缘检测算法的对比研究，并实现了数学形态学边缘检测算法。使用matlab GUI实现可视化界面。 包括完整的毕业论文、答辩PPT。 运行环境：MATLAB7.0

自适应阈值FAST特征点检测算法的FPGA实现.pdf