课题为基于MATLAB的火焰识别。可以作为火灾检测的课题。火焰原理是根据火苗颜色特征，将彩色图像的每个像素都转化为RGB三个通道，然后符合一定比例关系的像素，就是火苗区域，然后结合形态学，去除干扰区域，留下火焰区域，框定，可以进行阈值设定，进行火灾报警。带界面GUI框架。需要您具备一定基础。

sift算法的matlab版本实现，数据以及函数代码均非常完整，版本符合的的话可以直接运行，有部分注释帮助理解，功能也比较全面，感谢大家支持

This MATLAB software implements the denoising algorithm (the ProbabilisticPatch-Based filter) for images damaged by multiplicative Nakagami-Rayleighnoise as presented in: Iterative Weighted Maximum Likelihood Denoisingwith Probabilistic Patch-Based Weights F. TupinDecember 2009. It also corresponds to the NL-SAR filter: A non-localapproach for SAR and interferometric SAR denoising Florence Tupin and Loï c DenisHawaiiThis software is free and should be used only for nonprofit purposes. Anyu 这是一个关于matlab小波图像源码,matlab源码的项目源码，可以用来学习matlaba实战项目案例。

该课题为基于Matlab的身份证识别系统。需要先进行数字区域的定位，分割，裁剪字符切割，利用模板匹配或者是神经网络的方法进行逐个数字的识别，输出带有人机交互界面，需要在人机交互界面的基础之上进行二次拓展。

“改进的状态空间模型遗传算法及全局收敛性分析”论文MATLAB源码，下载文件解压后，主程序为“MAINGABS”，打开运行即可。两个mat文件为两种构造状态进化矩阵G的构造结果，程序里直接调用即可。还提供了论文中提及的16个测试函数，若测试相应函数更改相应名称即可。

cnn源码matlab去建立图像处理历史 我们的目标是重现论文中提到的结果。 我们在这个实现中使用了 Pytorch，并试图坚持论文中使用的 CNN 架构，但做了一些调整以获得更好的结果。 建筑学 训练分两个阶段进行，因此使用了两个 CNN，其架构如下： 模型一 模型二 要求 Python3.x 最新版本的 Pytorch（您可以按照任何标准博客安装 pytorch） 麻木的 泡菜 虚拟环境 具有 10Gb 或更多内存的 GPU（我们使用 Nvidia 1080Ti 进行训练） 指示 生成数据集： 首先，需要下载存在的 BossBase 原始图像。 然后，提取 tar 文件，在父目录中创建一个文件夹datasets/1.data并将提取的图像复制到该文件夹​​中。 接下来，打开 Matlab 并在项目的matlab文件夹中运行命令cr2jpeg和loldata 。 这些命令可能需要相当长的时间。 运行这些命令后，数据集文件夹内的目录结构将如下所示： . ├── jpegs ├── test | |── ctr | │ ├── denoise | │ ├── high | │ ├── l

【程序老媛出品，必属精品，亲测校正，质量保证】 资源名：matlab实现CAN数据处理的程序源码.zip 资源类型：程序源代码 源码说明： MATALB编写的CAN数据接收，编译，绘图等功能一体的通讯显示软件，包含完整源码和注释 非常适合借鉴学习 适合人群：新手及有一定经验的开发人员

这个题目是利用matlab做的一个水果分拣系统。带有一个人机交互界面。通过采集水果的色泽，圆形度面积等等来进行一二三等级的分拣。

复合频率信号频率计电路功能概述: 本文介绍了一种复合信号测量系统，该系统基于TMS320F2808实现，用来检测和重建复合频率信号中的主次信号。该系统由计算模块、重建模块和通讯模块组成。为了能在实时运行中自适应地确定采样频率，我们采取了“eCAP+AD”的方法，eCAP模块记录下整形后的复合信号的上升沿过零点时间值并估计出主频率，从而使系统能自动地选取合适的采样频率完成AD采样过程。系统采用了4096点的FFT算法，能够实现高达0.25Hz的频率分辨率，相对分辨率达到0.05%。 该频率信号测量系统采用了频谱校正方法，能高精度地计算出复合信号中的主次信号的频率与幅值。计算结果通过SCI通讯模块送入上位机显示。当DSP接收到上位机的信号重建指令时，则重现出所需的信号，此时ePWM实现AD芯片的功能。ePWM模块产生的SPWM波送入外围电路滤波后，得到所需的正弦信号。 测试结果表明本设计达到了设定的指标，且有很好的精度和性能。 复合频率信号测量系统设计，完成了设计要求中所提出的各项任务，系统所达到的指标都超过了基本部分以及发挥部分的设计指标。 具体说明如下: (1) 利用设计的硬件电路完成外部信号的叠加、偏置、限幅、整形以及输出信号的滤波等； (2) 主次信号的测量范围20Hz~20KHz；若延长测量时间，主次信号的测量范围可达到0.25Hz~20KHz； (3) 复合信号频率分辨率最高可达0.05%，即可分辨出的主信号与次信号频率差为主信号的0.05％，远高于设计要求中的10%指标； (4) 可以准确地检测出主信号与次信号的频率值（几乎达到零误差），在未发生频谱混叠情况下，主次信号的幅值的检测误差在0.5%之内；若频谱混叠使得次信号幅值被主信号展宽的频谱所掩盖，此时仍能准确检测出主次信号的频率值，主信号的幅值误差在5%以内； (5) 利用DSP内部PWM发生器以及外部滤波器实现了主信号重建以及主次信号的同时重建；重建信号的频率误差在1.5%以内，幅值误差在7%以内； (6) 通过串口实现上位机与DSP之间的通讯，上位机发出指令实时控制DSP，DSP检测的主、次信号频率和幅度测量结果输入至上位机进行实时刷新显示。 附件内容截图:

该项目有两部分： 1.预处理： 预处理脚本使用小波变换对EEG信号进行去噪，降低采样频率并将10分钟片段分成15个时间序列。项目的这部分是用MATLAB编写的。该脚本位于source/Preprocessing/Preprocess_data.m下。 2.CNN+LSTM：预处理完成后，将使用此数据训练CNN+LSTM模型。 架构如下图所示： source/DataGenerator.py脚本是一个自定义类，用于将数据批量加载到内存中，而不是一次加载整个数据集。有关该类的更多信息，请参阅脚本中的注释。