信号处理

为信号,图像和视频处理领域的艺术和科学从业者提供的问答

4
压缩感测的适用性
据我所知,压缩感测只能用于稀疏信号。它是否正确? 如果是这样,如何将稀疏信号与任何带宽受限信号区分开?与那种情况下变成稀疏信号相比,每个信号都可以扩展为包括稀疏或零系数信号部分? 此外,压缩感测是否一直都能完美地检索信息或发出信号? 补充:顺便说一下,我刚刚开始学习这些东西,所以这个问题的目的是品尝一下这些东西是什么。

2
Hough变换的替代方法,用于检测网格状结构
我有一个图像,该图像由形成网格形状的多个“角度”组成: 经过一番搜索后,霍夫似乎很合适,因为它不受换行的困扰。但是,我的问题是我的线条是'fat',并且我运行的任何边缘检测(在这种情况下为Canny)都选择了线条的边缘,而不是中间的边缘: 这意味着霍夫变换最终会选择网格线“边”中的一个(或两个),而不是中间。 鉴于我知道我要寻找的东西(这种网格形状,始终处于大致相同的方向),是否有更好的方法来执行“边缘检测”部分以给我中心线,还是应该寻找用完全不同的方法?

1
通过SVD / PCA计算拟合新图像
我正在尝试从Wikipedia 的Eigenface页面复制想法。从数据矩阵表示的一百个样本图像XX\bf X(每个图像展平为长度为的向量nnn,因此XX\bf X为100100100 x nnn矩阵)中,我计算了SVD分解: X=UΣVTX=UΣVT\begin{equation} \bf X = U \Sigma V^{T} \end{equation} 因此: XXT=UΣ2UTXXT=UΣ2UT\begin{equation} \bf X X^{T} = U \Sigma^2 U^{T} \end{equation} 通过取最大的子集qqq本征模,我可以近似矩阵(让σ1≥σ2≥⋯σ1≥σ2≥⋯\sigma_1 \ge \sigma_2 \ge \cdots): X≈σ1u1vT1+σ2u2vT2+⋯+σquqvTqX≈σ1u1v1T+σ2u2v2T+⋯+σquqvqT\begin{equation} {\bf X} \approx \sigma_1 u_1 v_1^{T} + \sigma_2 u_2 v_2^{T} + \cdots + \sigma_q u_q v_q^{T} \end{equation} 现在给定一个新的向量yyy,该向量表示不在的图像XX\bf X,我如何确定qqq特征向量的权重UU\bf U以最好地表示我的新图像yyy?除病理情况外,此表示是否唯一? …

1
如何处理控制系统的前置滤波器中的负极(不稳定)?
因此,在回答如何为一阶时滞系统设计PI控制器时 (问题在此处) 这是控制系统的闭环方程: GC(s )= KŤ(1 − s T)(s )s3+ (1Ť+ a − Kķp)s2+ (aŤ+ KķPŤ+ K一世)小号+ ķķ一世ŤGC(s)=ķŤ(1个-sŤ)(s)s3+(1个Ť+一种-ķķp)s2+(一种Ť+ķķPŤ+ķ一世)s+ķķ一世Ť G_C(s) = \frac{\frac{K}{T}(1-sT)(s)} { s^3 + (\frac{1}{T} + a - KK_p)s^2 + (\frac{a}{T} + \frac{KK_P}{T} +K_I)s+\frac{KK_I}{T}} 问题:当滤波器不稳定时,如何处理闭环传递函数中分子的归一化?(飞机的RH上的极点) 通常,您在控制器之前引入一个过滤器,该过滤器可以: 1个ķŤ(1 − s T)(s )1个ķŤ(1个-sŤ)(s) \frac{1} {\frac{K}{T} (1-sT)(s)} 归一化分子 但是由于以下术语,过滤器本身是不稳定的: 对于阶跃响应来说是不稳定的,这将根本无法实现系统。1个(1 − s T)1个(1个-sŤ) …

2
带几何间隔的垃圾箱的DFT?
传统的离散傅立叶变换(DFT)及其表亲FFT产生的条带间隔相等。换句话说,您会在第一个仓位中获得前10赫兹,在第二个仓位中获得10.1至20,依此类推。但是,我需要一些不同的东西。我希望每个垃圾箱所覆盖的频率范围在几何上增加。假设我选择1.5的倍数。然后,我们在第一个容器中有0到10,我想在第二个容器中有11到25,在第三个容器中有26到48,依此类推。是否可以修改DFT算法以这种方式运行?
16 fft  dft 


2
是否有任何好的开源(免费的)手写OCR程序?
标题问了一切。我面前有一个我不太热心的数据输入任务:50-100页的手写注销/登录日志。 日志的格式可能会有所帮助。页面被划分为清晰划定的行和列(13r x 6c,带有额外的标题行)。进一步帮助我解决的是三列与日期/时间相关(日期,超时,进入时间)。而且,或多或少地枚举了两个列(资源和名称)中的数据,因此,例如,名称“ Smith”可能一次又一次地出现在名称列中,每次都具有相同的笔迹。最后一栏“ Notes”是自由格式,但是如果我可以自动完成前6列,则我不介意手动输入Notes。 有什么建议么?(除了“开始输入”。) PS:如果有一个更好的SE网站可以询问这个问题,请告诉我,我会在那里询问。

1
使用FFT频谱查找相似的音乐
我已经尝试了几个星期,以找到一种在包含不同音乐流派的图书馆中匹配/查找相似歌曲的方法。 我的第一个尝试是检测诸如Tempo之类的功能或在歌曲中有多少低音以形成组,但由于采用了这种方法(基于音量变化的节拍检测),我并没有走得太远,因为不必计算大约20%的歌曲节拍总是,有时是它们的1/2或1/3,我无法实现。 经过数周的尝试失败后,我得到了一个新的主意,本文稍后会对此进行介绍。简而言之,它通过对文件的频谱样本进行采样,使之类似于文件的“平均频谱”来进行比较。背后的想法是,例如Hardstyle比一般的摇滚音乐拥有更多的低音,我还通过查看Audacity中的一些Spectrum来验证了这一点。 文件1:获取完整的文件FFT频谱(2048个样本大小atm,对数幅度标度) 对所有频谱阵列求和,取每个仓的平均值 与其他文件相同,存储所有结果 列出文件1和其他文件之间FFT值差异的列表 对文件1和文件X之间的差异求平均值 按这些平均值升序排列 “差值”最低的歌曲被视为相似。 你们中有一些知识渊博的人可以告诉我这是否是实施我的想法的正确/好的方法吗?
16 audio  fft  music 

3
Gabor过滤器可以用于检测汽车凹痕吗?
我正在研究用于检测汽车凹痕的Gabor过滤器。我知道Gabor过滤器已广泛用于模式识别,指纹识别等。 我有一张图片。 使用MathWorks File Exchange网站上的一些代码,我得到了以下输出。 在某种程度上,这不是人们期望的输出。这不是一个好结果。 我的脚本如下: I = imread('dent.jpg'); I = rgb2gray(I); [G, gabout] = gaborfilter1(I, 2, 4, 16, pi/2); figure imshow(uint8(gabout)); 编辑:对下面的图像应用不同的代码: 经过gabor滤镜的不同方向输出图像: 我如何隔离被正确检测到的这个DENT?

2
这两个Gabor滤波器功能之间有什么区别
我需要在项目中增强手背静脉图像上静脉的可见性。我使用两个不同的偶数对​​称Gabor滤波器组来改善静脉可见度。 第一库由以下gabor函数组成: Gemk(x,y)=γ2πσ2exp{−12(xθ+γ2y2θσ2)}×(cos(2πf0xθ)−exp(−υ22))Gmke(x,y)=γ2πσ2exp⁡{−12(xθ+γ2yθ2σ2)}×(cos⁡(2πf0xθ)−exp⁡(−υ22))G^\mathit{e}_\mathit{mk}(x,y)=\dfrac{\gamma}{2\pi\sigma^2}\exp\Bigg\{-\frac{1}{2}\left(\dfrac{x_\mathit{\theta}+\gamma^2y_\mathit{\theta}^2}{\sigma^2}\right)\Bigg\}\times \left(\cos(2\pi f_\mathit{0}x_\mathit{\theta})-\exp(-\dfrac{\upsilon^2}{2})\right) 第二银行包括以下这些: Gemk(x,y)=exp{−12(xθ+γ2y2θσ2)}×cos(2πf0xθ)Gmke(x,y)=exp⁡{−12(xθ+γ2yθ2σ2)}×cos⁡(2πf0xθ)G^\mathit{e}_\mathit{mk}(x,y)=\exp\Bigg\{-\frac{1}{2}\left(\dfrac{x_\mathit{\theta}+\gamma^2y_\mathit{\theta}^2}{\sigma^2}\right)\Bigg\}\times \cos(2\pi f_\mathit{0}x_\mathit{\theta}) 其中是比例索引,ķ是取向指数,˚F θ为滤波器中心频率,σ是标准偏差(通常称为刻度),γ是所述椭圆高斯包络的高宽比,υ是因子确定DC响应,X θ = (X COS θ + ý 罪θ )和Ý θ = (- X 罪θ + ý COS θ )是旋转的版本Xmmmkkkfθfθf_\thetaσσ\sigmaγγ\gammaυυ\upsilonxθ=(xcosθ+ysinθ)xθ=(xcos⁡θ+ysin⁡θ)x_\theta=(x\cos\theta+y\sin\theta)yθ=(−xsinθ+ycosθ)yθ=(−xsin⁡θ+ycos⁡θ)y_\theta=(-x\sin\theta+y\cos\theta)xxx和坐标。yyy 我已经在MATLAB中对这些过滤器进行了编码,编码方面我没有任何问题。但是我无法理解这两个gabor函数之间的根本区别。

3
运动矢量如何在MPEG的预测编码中起作用?
在MPEG中,存在将图像分解成宏块并且针对那些宏块中的每个宏块计算运动矢量的处理。然后,您将这些矢量以及预测误差一起传输,以重建视频序列中的下一个图像。 我正在设法牢牢掌握其工作原理。每个宏块都有一个与之关联的运动矢量(如果矢量为[1,0]),则表示all the pixels in this block move 1 in the x direction and 0 in the y direction for the next frame. 如果所有运动矢量未正确对齐,这是否会使图像的区域不被考虑(例如首先是那个宏块)? 例如,我发现以下问题。 在时间t考虑以下图像: 7 7 7 7 7 7 5 5 7 5 5 8 8 8 8 8 9 9 9 9 9 9 9 9 …



1
如何估计和补偿无线信号中的多普勒频移?
我想知道在通信环境中,有什么好的方法可以估计(和随后的补偿)传输信号的多普勒频移,无论是声学的还是射频的。 问题:具体来说,如果多普勒频移的程度在数据包的持续时间内变化,那么如何最好地估计(跟踪它)然后对其进行补偿。假设我们有一个教练序列。您还可以假定信号通带BW处于其载波的数量级。(例如,如果通带信号存在于2500-7500 Hz之间,则其带宽为5000Hz,载波也是如此。) 有关上下文的一些其他背景: 研究期间发现的一种方法: 由于我有一个训练序列并知道它的频率,因此我首先估计它​​的接收频率。 接下来,我以与介质中波速,我已知的发射频率和新的估计多普勒频移相关的比率重新采样整个数据包。 这在模拟中效果很好,但缺点是频率估计必须非常准确,并且还假设在数据包持续时间内多普勒频移没有变化。 当在数据包的持续时间内多普勒发生变化时,还有其他方法可以用来解决问题吗?上述方法有何见解? 非常感谢!

2
维纳滤波器,用于图像降噪(图像降噪)
为了降低图像噪点,我正在努力使维纳滤波器工作。就我而言,我将首先使用另一个降噪滤波器,然后将其结果用作Wiener滤波器的噪声特性的近似值。 关于Wiener滤波器的信息,我发现以下Matlab代码和说明很有用: http://www.mathworks.co.uk/help/toolbox/images/f11-12251.html#f11-14272 以及其他一些良好的链接,例如 http://blogs.mathworks.com/steve/2007/11/02/image-deblurring-wiener-filter/ 因此,从Matlab的角度来看,我可以看到如何使用内置的Matlab函数,但我想获得更基本的了解,而不仅仅是使用函数调用,但与此同时,我更希望找到比可消化的东西更易消化的东西。维纳过滤的维基百科条目。 有人愿意提供有关维纳滤波的简要说明吗?

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.