基于分块的压缩感知算法适用于图像信号的处理，通过平滑迭代阈值投影法可以快速重构图像，但存在低采样率下重构图像质量较差的缺点。基于全变差分的分块压缩感知算法，在一定程度上能提升重构效果，但降低了运算速度。针对以上算法的不足，提出基于多尺度的自适应采样图像分块压缩感知算法。根据小波分解后不同层对重构结果影响所占权重不同的特性，自适应分配给每一层不同的采样率，并在重构时将平滑迭代阈值投影法应用到每一层的每一个子带的分块上。实验结果表明，与传统的迭代阈值投影法相比在重构质量上提高了1~3 dB，在重构速度上与迭代阈值投影法相当并优于全变差分法。

针对现有人脸检测算法难以处理多尺度、多姿态的人脸检测，尤其是面对小尺寸时准确性低的问题，提出了多尺度和纹理特征增强的小尺寸人脸检测算法。该算法的多尺度增强模块能够丰富特征的多尺度信息，提高对多尺度人脸的检测能力；纹理特征增强模块能够通过融合低层的纹理信息提升高层语义的表达，从而加强对小尺寸人脸的检测能力；多阶段加权损失函数平衡网络的输出，充分发挥各个模块的增强作用。实验结果表明，该方法不仅在检测速度上可以达到实时，而且对MALF数据集中高度小于60像素的人脸检测精度可达88.69%；在FDDB数据集上相比目前的BBFCN算法精度提高近四个百分点。

使用信号处理，特征提取，模式识别，亲测可用

基于小波变换的边缘检测，可以再MATLAB语言中实现的源代码。

基于小变换，以及边缘融合算法的图像边缘检测算法。包含了在多尺度下层层检测分解重构图像。-Based on the small change, as well as the edge of fusion algorithm of image edge detection algorithm. Included at every level of multi-scale decomposition of reconstructed image detection.

基于小变换，以及边缘融合算法的图像边缘检测算法。包含了在多尺度下层层检测分解重构图像。-Based on the small change, as well as the edge of fusion algorithm of image edge detection algorithm. Included at every level of multi-scale decomposition of reconstructed image detection.

主要介绍多尺度分散熵以及精细复合多尺度分散熵如何提取

引入具有平移不变性和良好的方向分析能力的双树复小波变换对源图像进行多尺度分解;然后对分解得到的各尺度的高频子带采用基于跨尺度的邻域空间频率的融合策略

针对轴承振动信号非线性、非平稳性和故障特征微弱性的特点,以及工程实际中难以获得大量故障样本的情况,提出了一种基于多尺度排列熵和支持向量机的轴承故障诊断新方法。该方法首先对轴承不同运行状态下的振动信号进行多尺度排列熵特征提取,然后通过距离评估技术从原始多尺度排列熵特征中选取敏感特征,最后将敏感特征输入到采用遗传算法优化的支持向量机中,实现对轴承不同运行状态的自动识别。对实验数据分析的结果表明,该方法可以精细地获取故障信息,从大量原始特征中选择出敏感特征,有效地实现滚动轴承故障状态的诊断。

细节增强的matlab代码多尺度曝光融合 2017年细节增强型多尺度曝光融合的matlab代码本文分为A和B部分。 零件代码：主要用于融合不同的曝光图像，此处的代码基于参考文献[12]和[13]进行了一些修改。 B部分的代码：主要是为了增强融合图像的细节，而优化部分的代码则基于参考文献[31]。