weixin_39402231的博客

多贝西教授在小波理论和调和分析领域做出了重大贡献，她的研究彻底改变了图像和信号的数字处理方式，为数据压缩提供了标准和灵活的算法。多贝西的研究成果带来了多个领域技术的创新，包括医学成像、无线通信，和数字电影，比如：她早期的研究成果被用于图像压缩，JPEG 2000格式图片就是通过Daubechies小波压缩而成，它们也被用于将声音序列压缩成 MP3 文件；在更近的一些应用领域中，它们被用于增强和重建哈勃望远镜早期的图像，检测伪造的文件和指纹等等。

简单的小波自编码器降噪（Python）

MATLAB环境下基于离散小波变换和主成分平均的医学图像融合方法

双向长短时记忆网络能够利用双向信息更好的处理序列数据，从而提高模型的准确率。鉴于双向长短时记忆网络的优势，本项目采用双向长短时记忆网络对若干时间序列进行预测，包括国际航空旅客人数预测、全球冰储量预测、感染水痘人数预测、极紫外光预测、事故预测和240年的太阳黑子预测，运行环境为MATLAB R2021B。

以爆破振动信号为例，爆破振动信号在采集过程中易受周围环境或监测系统影响，产生波形偏离基线中心的信号趋势项。信号受到趋势项负面作用，导致波形峰值呈现差异性变化，并影响了频谱和能量分布的特征，导致得出错误结论。因此，这就需要先对采集到的爆破振动信号进行预处理，提高爆破振动信号分析的精度，以获得真实的爆破振动峰值和时频特征等重要信息。信号平滑是指通过降低信号中噪声的强度，使其更加平滑的一种处理方法。在信号处理中，平滑通常是为了减小信号的波动和噪声，提高信号的可靠性和稳定性。

为了进一步提升PSO-BP的拟合精度，对标准PSO算法进行优化，采用混沌模型与模拟算法进行改进，弥补了PSO算法因后期全局搜索能力不足的缺点，程序运行环境为MATLAB R2018A

MATLAB环境下基于区域椭圆拟合的细胞分割方法

声纳图像作为准确获取水下信息的重要途径之一，在国防、军事、工程等方面发挥着巨大作用。然而，由于水声信道的复杂多变和声波本身的传播损失，声纳图像往往呈现出分辨率和对比度不高、噪声干扰严重、目标轮廓模糊等特点。

MATLAB环境下基于图像处理的计算病理学图像分割（MATLAB R2021B）

为解决上述缺陷，不少学者对FCM算法进行了改进。部分学者引入像素邻域信息到模糊聚类分割算法的目标函数中，提高算法抗噪性，以获得较好的分割效果。本项目将偏置场校正引入FCM算法，提出一种偏置场校正的改进模糊c-均值聚类图像分割算法，运行环境为MATLAB R2018A。

MATLAB环境下基于离散小波变换的体外血管图像处理

古生物专家创建化石三维模型的过程，主要是应用显微CT采集化石CT数据，对化石CT数据进行图像分割，最终通过体绘制方式生成化石三维模型。目前，古生物专家主要采用传统的图像二值化分割方法对化石CT数据进行图像初步分割。常用的图像二值化分割方法，主要包括阈值分割、形态滤波、区域生长以及边缘检测等。上述图像二值化分割方法在化石CT数据的图像处理中也取得了广泛的应用。

鉴于谐波噪声比的优势，提出一种基于稀疏最大谐波噪声比反卷积的信号处理方法，算法程序运行环境为MATLAB R2018a，可用于旋转设备故障诊断，也可用于金融时间序列，地震信号，机械振动信号，语音信号，声信号等一维信号分析。

鉴于隐马尔可夫模型、高斯混合模型和期望最大化模型的优势，提出一种隐马尔可夫模型-高斯混合模型-期望最大化的脑部MR图像分割算法，该算法程序使用期望最大化（EM）算法进行脑部MR图像分割，并同时依赖于高斯混合模型（GMM）和马尔可夫随机场（MRF）模型。算法程序运行环境为MATLAB R2021B。

鉴于人工蜂群优化算法和卷积神经网络CNN的优势，提出一种基于人工蜂群优化算法的卷积神经网络CNN图像识别方法，算法程序运行环境为MATLAB R2021B，采用蜜蜂优化算法对CNN进行优化，即采用蜜蜂优化算法拟合CNN的权重和偏差。

鉴于小波散射网络的优势，提出一种基于深层小波散射网络的纹理图像分类方法，算法程序运行环境为MATLAB R2021b，主要利用小波散射网络对二维纹理图像进行分类，可迁移至其他图像。

在多元统计分析中，协方差矩阵和相关矩阵扮演着非常重要的角色，检验两者的结构具有重要意义，鉴于此，本代码在MATLAB环境下使用相关图可视化相关矩阵.

谱聚类算法对数据的结构分布不做强的假设，在非凸结构的数据集上任然能够得到较好的聚类结果，克服了以经典K-means算法为代表的的基于中心聚类算法的缺点。此外，谱聚类对误差数据和噪声的敏感性不强，具有较好的鲁棒性。在许多实际应用问题中，谱聚类都能取得较好的聚类效果。

鉴于此，提出一种MATLAB环境下基于高斯滤波器-广义拉普拉斯算子的细胞核自动检测方法，算法运行环境为MAYLAB R2018A，压缩包=数据＋代码＋参考文献。

近年来变分贝叶斯推断算法成为了研究者们研究的热点，该算法被广泛用于模型参数的估计以及对模型的选择。目前，变分贝叶斯推断算法在大多数领域的应用有很多研究，例如将该算法应用信息科技、医学等领域。现代变分贝叶斯推理研究主要集中在几个方面：(1)处理涉及海量数据的贝叶斯推理问题；(2)使用改进的优化方法来求解方程最优变分后验分布；(3)开发通用变分贝叶斯推理，将该算法易于应用于各种模型，并提高变分推理的准确性。

图像盲反卷积问题仅根据模糊图像估计清晰图像和模糊核，也是一个欠定问题且求解更加困难。但图像盲反卷积算法更实际，因为许多情况下，模糊核都是未知或部分已知的。求解盲反卷积问题需要为未知量选择适当的先验模型，以得到清晰图像和模糊核的确定解。

鉴于PSO、DBN和ELM的优势，提出一种基于PSO-DBN-ELM方法的图像分类模型，通过3层DBN提取嵌入在原始图像数据中的特征，然后将特征输入极限学习机(ELM)进行分类。针对隐节点选择困难的问题，采用粒子群算法对隐节点进行自动选择，并以最小的适应度函数(即DBN-ELM交叉验证分类的准确率)为目标。

水平集图像分割方法实际上是基于曲线演化理论的一种数学方法在图像上的表示，能够处理曲线的拓扑结构变化，而且其数值实现的稳定性高,医学超声图像由于其成像原理一般会具有较高的斑点噪声并且一些区域存在对比度低的情况。传统的图像分割算法并不能在医学图像分割中取得良好的表现,虽然基于深度学习和神经网络的图像分割方法相较于其他方法虽然具有不错的鲁棒性强和分割效率,但是该类算法最重要的一个环节是需要大量的数据对算法进行预训练,而医学超声图像的获取是一个巨大的问题。

洗牌复杂演化算法（SCE）引入了种群的概念，综合了单纯形法、随即搜索和生物进化等方法的优点。其主要特征是引入遗传算法中生物个体之间竞争进化的思想，通过对各个复合体的定期洗牌和重组来确保每个复合体获得的信息能够在整个问题空间中得到共享，从而使算法快速收敛于全局最优解，避免陷入局部最优和防止早熟现象的发生。

预防糖尿病对每个人的健康至关重要，而糖尿病的早期症状在眼底视网膜血管会有所体现，如静脉血管扩张、轻度弯曲等。高血压作为常见疾病，在中国有多达2.45亿的患者。高血压的病情也会在眼底视网膜血管上有所体现，如交叉压迫征等反映着病情的严重程度。而青光眼等眼科疾病的诊断，更离不开视网膜血管的特征。作为人体唯一无需手术便可观察到的较深血管，眼底视网膜血管越来越受到医学研究与临床的重视。在产学研结合的大潮下，对眼底视网膜图像中血管与背景的分割也进入了计算机视觉研究人员的视野。

MATLAB环境下基于分形理论的图像处理研究

MATLAB环境下一维时间序列信号的欠定盲源分离方法

本代码采用2D Wavelet, 3D Wavelet, FORPDN, HyRes等方法对高光谱图像进行降噪，运行环境为MATLAB R2021B，压缩包=数据＋代码＋参考文献。

MATLAB环境下使用二维高分辨时频分析方法提取波状分量（分离混合地震数据）。

同态滤波是一种结合了频率过滤和灰度变换的方法，它以图像的照度反射模型作为频域的处理基础，分别对低频信息进行增强，高频信息进行抑制，可以有效解决图像上照度不均匀和动态范围过大对图像产生影响的问题，在不损失亮区细节信息的同时，有效增强暗区的细节信息。

卷积混合考虑了信号的时延，每一个单独源信号的时延信号都会和传递路径发生一 次线性瞬时混合；解卷积的过程就是找一个合适的滤波器，进行反卷积运算，得到源信号的近似解。

MATLAB环境下生成对抗网络系列（11种）

生成对抗网络GAN作为非监督学习，由生成器和判别器两个神经网络构成。生成器从潜在空间中随机取样作为输入，试图生成与真实样本数据相仿的数据。判别器的输入则为真实样本数据或生成器生成数据，进而判断其输入是真实数据还是生成数据。两个网络相互对抗、不断调整参数，最终目的是使判别网络无法判断生成网络的输出结果是否真实。

中国电机工程学报》优秀审稿专家，《控制与决策》，《系统工程与电子技术》，《电力系统保护与控制》，《宇航学报》等EI期刊审稿专家，担任《计算机科学》，《电子器件》 ， 《现代制造过程》 ，《电源学报》，《船舶工程》 ，《轴承》 ，《工矿自动化》 ，《重庆理工大学学报》 ，《噪声与振动控制》 ，《机械传动》 ，《机械强度》 ，《机械科学与技术》 ，《机床与液压》，《声学技术》，《应用声学》，《石油机械》，《西安工业大学学报》等中文核心审稿专家。

提出一种基于多分辨奇异值分解和改进完备集成经验模态分解的大地电磁数据降噪方法，多分辨奇异值分解算法是受小波包算法启发，使用递归分解的形式将信号进行多层SVD分解从而实现多分辨率分析，结合改进完备集成经验模态分解算法对大地电磁数据进行降噪，取得了不错的效果。

MATLAB环境下基于信号处理的EEG信号的睡眠纺锤波和K－复合波检测

Transfomers For Segmentation相关文章

关于智能空气动力学

关于小波，Morlet，Grossmann，Meyer，Daubechies，Mallat

​建议先不要直接上手机器学习/深度学习，先把你研究对象/信号的机理给搞清楚，然后再开始上现代信号处理，机器学习/深度学习算法，只有对你研究对象的机理深入了解，才能更好地对信号处理算法，机器学习/深度学习模型有针对性的改进，比如加入相关领域知识等等等等。​