图像增强的自适应免疫算法

介绍了自适应免疫算法的基本原理及实现步骤 ,并将其应用到图像的增强处理中 .在传统的图像增强处理中 ,针对图像灰度分布的不同情况 ,需要定义相应的灰度变换函数 .Tubbs将图像增强处理中几种常用的非线性变换函数表示成一个归一化的非完全Beta函数 ,但确定Beta函数参数仍是一个复杂的问题 .本文利用自适应免疫算法来确定该变换函数的最佳参数值 .

基于NSCT和ACO的SAR图像舰船检测

为更好地获取舰船检测的图像信息,通过对雷达图像中舰船目标与相干斑噪声的分布特点进行分析,提出1种基于非下采样变换(Nonsubsampled Contourlet Transform,NSCT)与蚁群优化(Ant Colony Optim ization,ACO)算法相结合的合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标检测方法.该方法通过对SAR图像进行NSCT自适应阈值去噪,再应用ACO进行边缘检测,实现舰船目标的精确检测.仿真结果显示,该方法能够在复杂相干斑噪声背景中有效提取舰船目标的轮廓信息,很好地保持图像纹理和舰船结构,具有理想的抗干扰性能,保证检测结果的准确性.

单位阶跃响应的时域求解方法

我们国多数教材中重点讨论系统的单位冲激响应时域求解方法,然后利用阶跃响应与冲激响应的微积分关系求解系统阶跃响应,关于直接求解单位阶跃响应的时域方法总结较少。本文分别从冲激响应与阶跃响应关系、微分方程求解以及时域规范化方法的角度出发,归纳了连续时间系统单位阶跃响应求解方法,并以实例说明其正确性。

应用卷积和的离散线性时不变因果系统零输入响应求解

离散线性时不变因果系统的时域分析通常应用时域经典方法或卷积和方法。通常定义因果激励与系统脉冲响应的卷积和是系统的零状态响应。本文针对全激励序列输入时,给出求解离散线性时不变系统零输入响应的卷积和方法,并证明与等效激励法等价。同时,给出例题介绍提出的卷积和方法如何应用。

信号卷积的计算方法总结

卷积是“信号与系统”中的一个重要概念,是线性时不变系统时域分析的重要工具。线性时不变系统的零状态响应可通过系统激励与冲激响应或脉冲响应的卷积或卷积和计算得到。针对连续和离散时间信号,本文总结了已有的各类卷积及卷积和的计算方法,对各类方法的基本思路和应用条件进行了梳理。

非因果输入的LTI系统全响应求解方法

求解线性时不变系统的全响应是"信号与系统"课程教学中一个重要知识点。本文总结了仅已知系统非因果输入、系统初始条件未知情况下,分别从时域、频域和复频域,直接求解线性时不变系统全响应的三类主要方法。我们对这三类方法进行了总结和对比,并以实例说明其正确性。

渐进稳定性与BIBO稳定性的讨论

线性时不变系统的稳定性分析是"信号与系统"课程的重要知识点之一。系统的稳定性分为外部稳定性与内部稳定性两个方面,分别对应有界输入产生有界输出的稳定性及渐进稳定性。本文总结了两类稳定性定义和主要判别方法,同时对两者的联系与区别进行了讨论,并给出相应的实例阐述二类稳定性判别方法。

傅里叶级数的教学探讨:以信号对称性为例

周期信号的傅里叶级数分析是信号处理类课程的重要教学知识点。文章总结了连续和离散实周期信号的傅里叶级数分析方法,梳理了周期信号的奇偶对称性、奇谐信号和偶谐信号四类情况,对实周期信号傅里叶级数的影响,并通过举例说明其频谱的特征,阐述了连续和离散实周期信号频谱的联系与区别。