MATLAB图像分割系统设计（多方法，文章万字）（GUI构架）

GPS解码，RMC语句解码，付程序流程图，1602显示程序

人脸表情会受到姿势、物体遮挡、光照变化以及人种性别年龄等因素的影响,需要卷积神经网络更有效准确地学习特征。AlexNet在表情识别中准确率不高,对输入图像尺寸有限制,针对这些问题,提出了改进AlexNet网络的人脸表情识别算法。在AlexNet网络中引入多尺度卷积更加适用于小尺寸的表情图像,提取出不同尺度的特征信息,并在把多个低层次特征信息在向下传递的同时与高层次特征信息进行跨连接特征融合,从而可以更加完整准确地反映图像信息,构造出更准确的分类器。跨连接会产生参数爆炸,导致网络训练困难,影响识别效果,因此利用全局平均池化对低层次特征信息进行降维,可减少跨连接产生的参数和过拟合现象。本文算法在CK+、JAFFE数据库上的准确率分别为94.25%和93.02%。

为降低高效视频编码(HEVC)的帧内编码复杂度，提出一种基于图像纹理特征的编码单元(CU)划分和预测模式选择算法。利用一种预处理算法来获得当前CU的纹理复杂度和方向。一方面，根据CU的纹理复杂度，该算法自适应地跳过或终止部分CU划分，减少CU深度的遍历时间。纹理复杂度高的CU直接划分成4个子CU，纹理复杂度低的CU将会终止划分。另一方面，根据预测单元的纹理方向，确定相应的候选模式集，通过粗模式决策算法和率失真最优化算法遍历候选模式集选取最优模式。将算法移植到标准食品解码软件HM16.7平台上，实验结果表明，与HM16.7算法相比，编码时间平均减少53.66%，比特率上升0.46%，峰值信噪比下降0.05 dB。

C语言的数据采集书籍，完全是基于C语言的教程，书不错的哦

基于 matlab的Harris 的角点特征检测，角点是图像中一个重要的局部特征，决定了图像中关键区域的形状，体现了图像中重要的特征信号，在目标识别、图像匹配、图像重构等方面有十分重要的意义

不同的3种掩模采用邻域平均法对被椒盐噪声和高斯噪声分别污染（噪声强度均设定为0.05）的图像进行滤波； 采用超限邻域平均法（阈值法）对被高斯噪声污染的图像（噪声强度均设定为0.05）进行滤波，可使用高斯掩模进行邻域平均； 采用中值滤波法对下图所示的图像分别进行滤波处理， 中值滤波模板不限，可自行选用，以效果最佳为宜。

当CockroachDB节点接收到查询SQL时，大概会发生什么事情呢：pgwire模块负责与客户端应用通信，从客户端接收查询请求。将SQL文本分析并转换为抽象语法树（AbstractSyntaxTree，简称AST）。然后进一步分析并将其转换为逻辑查询计划，该计划是关系运算符的树，如过滤器，渲染（项目），连接。顺便说一下，逻辑计划树是由EXPLAIN语句报告的数据。然后将逻辑计划交给负责执行查询的back-end层，并生成要返回给客户端的结果数据。CockroachDB里有两种back-end：本地执行引擎和分布式执行引擎。本地执行引擎能够直接在客户端应用程序连接的节点上执行SQL语句。它主要

matlab雷达抗干扰的仿真程序。可用于学习、了解雷达的信号处理方式。

这是本人的课程实验报告，有挺多小伙伴私信我。源码找不到了，文章里面有详细的实现过程和较为详细的关键代码，有需要的小伙伴可以下载。