论文研究-脑电信号的多尺度熵分析.pdf

给出了多尺度熵的算法步骤，对生理信号中两种常见噪声白噪声和1/f噪声的多尺度熵进行了研究，分析表明1/f噪声有比白噪声更为复杂的结构，探讨了混沌信号logistic映射的多尺度熵特征，在此基础上对不同睡眠时期脑电信号的多尺度熵进行了比较，结果显示脑电信号具有复杂结构，醒期熵值最高，睡眠Ⅳ期熵值最低；睡眠Ⅰ期、睡眠Ⅱ期和醒期复杂度较高，变化趋势接近；睡眠Ⅲ期、睡眠Ⅳ期和快速眼动期变化趋势基本一致，2尺度后复杂度基本保持不变。

论文研究-运动想象脑电信号特征提取与分类算法研究.pdf

针对运动想象脑电信号特征提取困难，分类正确率低的问题，提出了利用小波熵进行特征提取并采用支持向量机（SVM）来分类的算法。计算运动想象脑电信号的功率，通过理论分析选择小波包尺度，对信号功率进行小波包分解并计算其小波包熵（WPE），提取C3、C4导联的小波包熵插值组成特征向量，将特征向量作为分类器的输入送入支持向量机进行分类。采用国际BCI竞赛2003中的Graz数据进行验证，算法的最高分类正确率达97.56%。算法特征向量维数低、数据量小、分类正确率高，对运动想象脑电信号特征提取及分类的任务可以提供参考方法。

基于DD-DWT和Log-Logistic参数回归的癫痫脑电自动识别方法.pdf

基于DD-DWT和Log-Logistic参数回归的癫痫脑电自动识别方法.pdf,针对现有癫痫脑电(EEG)识别算法分类模式单一、普适性不强的问题，提出了一种新的基于双密度离散小波变换（DD DWT）和Log Logistic参数回归（LLPR）的脑电信号自动识别方法。不仅利用了DD DWT算法的分解特性，还建立了脑电信号的LLPR模型，并将二者有机的结合，从而更好的发挥算法的优势。滤波后脑电信号由DD DWT进行6层分解，提取各子频带系数的小波域能量波形，并结合LLPR模型计算尺度参数α和形状参数β以表征信号，将构成的特征向量送入遗传算法（GA）优化的支持向量机（SVM）得出识别结果，从而实现脑电信号的自动识别。所提方法在处理A＼D＼E与AB＼CD＼E两种多模式脑电分类问题时，识别率分别为98.90%和97.75%。实验结果表明，所提算法更符合实际应用需求，可以较好地解决多类脑电信号识别问题，具有良好的普适能力和分类性能。

脑卒中后抑郁患者脑电信号长时程相关性分析.pdf

脑卒中后抑郁患者脑电信号长时程相关性分析.pdf,为调查单侧半球损伤的脑卒中后抑郁患者脑电宽频振荡的长时程相关特性，利用去趋势波动分析这一可量化反映脑电信号长时程相关性的方法，研究了18例脑卒中后抑郁患者（8例左半球受损，10例右半球受损），22例脑卒中后无抑郁患者（12例左半球受损，10例右半球受损）宽频带（0.6~46 Hz）脑电信号在0.2~3 s时间尺度下的长时程相关特性。研究发现，虽然左半球受损抑郁患者较右半球受损患者抑郁情况更为严重，但是仅有右半球受损抑郁患者脑电信号长时程相关性在抑郁相关的脑区有显著性减弱，这暗示了不同半球受损脑卒中患者PSD发生的机制不同，PSD与脑卒中受损部位间存在着复杂的关系。

基于多尺度核特征卷积神经网络的实时人脸表情识别.pdf

基于多尺度核特征卷积神经网络的实时人脸表情识别.pdf

基于多尺度小波变换的图像对比增强方法

基于多尺度小波变换的图像对比增强方法.

多尺度分割分析-基于多尺度分割技术解析

对多尺度分割技术的分析，基于多尺度分割技术的分析

基于多尺度压缩感知的信号重构

基于多尺度压缩感知的信号重构，压缩感知领域学术论文

论文研究-基于多尺度分析的三维人脸识别.pdf

为提高人脸识别的精度,加快人脸识别的速度,提出了基于多尺度分析的三维人脸识别方法。过多的特征点容易使判别混乱，出现自相矛盾的过饱和现象，因此采用必要数和最大数的策略来限制特征点的规模。为充分利用各尺度下的人脸特征进行识别，设计了基于ICP与PCA、LDA结合的综合特征匹配方法。实验结果表明，多尺度三维人脸识别方法识别率高于各种标准识别方法，抗噪声性能突出。

【公司项目代码】matlab基于多尺度retinex算法的图像去雾代码。已测试，能直接运行，能较好得去雾并保留原图色彩.rar

【公司项目代码】matlab基于多尺度retinex算法的图像去雾代码。已测试，能直接运行，能较好得去雾并保留原图色彩.rar

单片机与DSP中的基于DSP Builder的脑电信号小波处理

1 引言 　　脑电信号EEG(Electroencephalograph)是人体一种基本生理信号，具有重要的临床诊断和医疗价值。南于脑电信号自身具有非平稳性随机的特点，因此，对其实时滤波具有相当难度。自从Berger 1929年发现脑电信号以来，人们采用多种数字信号处理技术处理分析脑电信号，由于传统的滤波去噪方法所用滤波器一般具有低通特性，因此采用经典滤波法对非平稳信号去噪，降低噪声，展宽波形，平滑信号中突变尖峰的成分，但可能损失这些突变点携带的重要信息，而傅里叶频谱分析仅是一种纯频率分析方法，该方法对时变的非平稳脑电信号无效。 　　与传统的傅里叶变换相比较，小波变换是一种多尺度信号分析方

单片机与DSP中的基于DSP Builder的脑电信号小波处理研究

1 引言 　　脑电信号EEG(Electroencephalograph)是人体一种基本生理信号，具有重要的临床诊断和医疗价值。南于脑电信号自身具有非平稳性随机的特点，因此，对其实时滤波具有相当难度。自从Berger 1929年发现脑电信号以来，人们采用多种数字信号处理技术处理分析脑电信号，由于传统的滤波去噪方法所用滤波器一般具有低通特性，因此采用经典滤波法对非平稳信号去噪，降低噪声，展宽波形，平滑信号中突变尖峰的成分，但可能损失这些突变点携带的重要信息，而傅里叶频谱分析仅是一种纯频率分析方法，该方法对时变的非平稳脑电信号无效。 　　与传统的傅里叶变换相比较，小波变换是一种多尺度信号分析方

基于多尺度线调频基稀疏信号分解的广义解调方法及其在齿轮故障诊断中的应用

基于多尺度线调频基稀疏信号分解的广义解调方法及其在齿轮故障诊断中的应用，于德介，皮维，在基于多尺度线调频基稀疏信号分解的基础上，提出一种基于多尺度线调频基稀疏信号分解的广义解调方法，并将其应用于非平稳转速状

一种基于多尺度语义分析的图像识别方法

提出一种基于多尺度语义分析的图像识别方法,首先在多尺度空间中提取语义,然后使用支持向量机 对语义进行分类,以达到识别的目的。实验表明,该算法识别准确率高,并能适应存在方向变化、变形等复杂的 识别环境。

基于多尺度形态学提取眼前节组织.zip

《眼前节组织OTC图像角膜中央厚度测量》一文的配套matlab程序，有详细的注释和配套图片，能够直接运行。

基于多尺度降采样规范化割的图像裂纹检测.pdf

基于多尺度降采样规范化割的图像裂纹检测.pdf,针对多尺度规范化割在边缘检测时精度低以及求解特征向量耗时长等缺陷，提出一种基于多尺度降采样规范化割的图像裂纹检测方法。该方法首先利用反对称双正交小波变换的半重构特性对待测图像的多个尺度进行边缘特征提取；其次结合各尺度的强度和位置特征构建多尺度相似矩阵和多尺度规范化相似矩阵；然后对多尺度相似矩阵进行降采样并利用谱分割方法实现降采样特征向量求解；最后利用多尺度规范化相似矩阵对降采样特征向量进行上采样的乘法运算并离散化后得到最终结果。在3个数据集的单一目标图像上进行文中方法与多尺度规范化割等方法的实验结果表明，不仅提高检测精度，而且减少运算时间。

论文研究-基于多尺度轮廓段的形状特征提取与识别.pdf

形状识别是计算机视觉与模式识别领域的重要研究内容。形状的特征选取与描述是形状识别的研究热点。针对现有识别方法的不足，提出一种通过对不同长度轮廓段进行描述，进行特征提取的方法。对每个形状均在6种尺度下进行特征提取，每种尺度选取5种轮廓段特征参数，实现了对形状的特征描述。在形状识别阶段，使用动态时间规整（DTW）算法度量形状描述子之间的匹配距离，实现形状识别。分别在Kimia99、Kimia216和MPEG-7数据库中进行算法验证，结果表明基于多尺度轮廓段的形状特征描述子具有旋转、缩放、平移和局部遮挡不变性，识别率优于现有算法。

基于多尺度卷积特征融合的行人重识别

针对现有的基于卷积神经网络的行人重识别方法对于遮挡和复杂背景引起的判别信息缺失问题,提出了一种基于多尺度卷积特征融合的行人重识别算法。在训练阶段,使用金字塔池化方法对卷积特征图进行分块和池化,获得包含全局特征和多尺度局部特征的多个特征向量;对每一个特征向量进行独立分类,并在各个分类的最后内积层上归一化权重和特征,以提升分类性能;最后使用梯度下降法优化全部的分类损失。在识别阶段,将池化后的多个特征向量融合成一个新向量,使用新向量在库中进行相似性匹配。在Market-1501、DukeMTMC-reID数据库上对所提算法的有效性进行实验验证。结果表明,本文模型提取的特征具有更好的识别效果,Rank-1精度和平均准确率也优于大多数先进算法。

基于多尺度三维卷积神经网络的头颈部危及器官分割方法.pdf

基于多尺度三维卷积神经网络的头颈部危及器官分割方法.pdf