资源包含文件：设计报告word+源码 在此次实验中只要求对rubberband_cap.png进行边缘连接,我采用的方法是摩尔邻域算法,它的大致思路是给定图片中某个对象的边缘上的一个点,通过对它的八邻域扫描来确定下一个边缘上的点,同时记录下我们这个推进的方向是哪个方向,直到到达起点且推进的方向和初始推进方向一致为止. ———————————————— 详细介绍参考：https://blog.csdn.net/newlw/article/details/124829092

读取广播星历（n文件），并计算出卫星的位置

MATLAB数字信号仿真实验系统。综合数字信号处理里面比较经典的几个案例，做进GUI界面，通过菜单进行选择不同功能

机械优化设计为工程设计提供了一种重要的科学设计方法。运用MATLAB优化工具箱，以最小质量和最小轴端位移为目标，对机床主轴进行优化设计，该设计方法简单、实用，主参数优化的结果合理、可靠。

matlab的egde源代码自述文件 该代码包含在CVPR2016论文中。 一言以蔽之，我们将传统的两阶段对象检测框架（首先定位对象提议，然后对对象类别进行分类）扩展到四阶段管道，其中提案定位任务通过区域提议网络（RPN）的级联网络解决。 ）和快速R-CNN来提高提案质量，而目标分类任务则是由两个具有不同目标函数的快速R-CNN网络的级联网络处理的（一次热分类和一次相对休息分类）以消除错误积极的。 我们将方法命名为“ CRAFT”（“ Cascade Rpn和FasT-rcnn”的缩写），并在PASCAL VOC 07/12和ILSVRC数据集上显示了相对于Fast R-CNN和Faster R-CNN基线的显着改进。 有关更多详细信息，请参阅我们的。 这些代码建立在（阶段1）和（阶段2,3,4）之上。 如果您熟悉这两个项目，则使用代码会更容易。 这些代码已在Ubuntu 14.04、256GB内存，Titan X GPU，MATLAB R2015a上进行了测试。 准备 按照1_RPN提供的说明使用1_RPN的代码进行编码。 请按照中的说明使用稍有改动的代码制作2_CasRPN ， 3

资源包含文件：课程报告word和pdf两个版本+代码 本次要求将图片前景的黑色栏杆去除，恢复遮挡部分。要求修改的图片有两张，第一张图片的前景栏杆较窄，第二张图片的前景栏杆大部分较窄，有一根栏杆较粗。 （原图片一和图片二） 为了去除遮挡部分，首先需要找到遮挡部分的位置，即 mask，这一步使用一系列图像处理的方法来完成。 针对第一张图片，由于遮挡物较窄，我使用了 Fast Marching Method 算法来实现去遮挡，该算法运算较快，对窄遮挡物去除效果较好，但对宽遮挡物（宽度大于 15 像素）进行修复时会出现模糊现象(Telea, 2004)。 因此，针对第二张图片的宽栏杆部分，我使用了 criminisi 算法来进 行修复，该算法运算较慢，但对宽遮挡物修复效果极佳(Criminisi, Perez, & Toyama, 2003)。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/125326824

随着自动机在计算机科学的若干领域中有广泛的应用[1]，以及自动机理论的发展，出现了各种自动机的变形，包括双向有穷状态自动机和带输出的有穷状态自动机[2]。其中，一种带输出的有穷状态自动机的重要模型即为自动机的先驱Mealy机，Mealy机是现代计算机的理论结构。 在二十世纪八十年代中后期，人工神经网络理论作为一个前沿研究领域在世界范围内迅速发展起来[1]。由于它在优化、控制、规划和图像处理等领域的广泛应用，各类神经网络模型受到科学家们的极大关注[3]。其中，递归神经网络由于具有较强的优化计算能力，所以是目前神经计算应用最为广泛的一类神经网络模型[4]。在语音处理应用和语言归纳方面，递归网络模型被用作识别模型，且通过某些成本标准梯度下降优化的方法（所谓的“反向传播”技术）使其适应于实验数据[5]。 如果将这自动机与神经网络结合起来，必将为计算机的智能化奠定坚实的基础。但是，尽管现在对神经网络和自动机相结合使用的研究很多，可递归神经网络与Mealy机的构造却少之又少，所以值得我们去研究，是当下需要研究的重要任务，也需要我们去积极探索。

% 功能：把某个指定文件夹里的图片自动调整为指定分辨率的适应数码相框的格式并保存到指定文件夹 % 数码相框型号：KODAK RDPF-1020V，10.1寸IPS屏，8G内存卡，1280*800分辨率，16：10 % 1、自动缩放并裁剪图片为指定比例和分辨率大小，以全屏适应数码相框 % 2、按照"序号+时间"重命名图片（时间从拍摄时间、修改时间等内容中按优先级顺序选择），这样不管按照修改时间还是按照文件名都能正确排序了 % 3、图片上添加"拍摄时间-拍摄位置"（如果记录了位置；注意需要提前注册百度地图开发账号并输入ak，没有账号的话设置GetPositionByBaidu=0或2）

mppt matlab代码基于MPPT MATLAB的学习 MATLAB 文件和代码将在接受或发布后公开提供。

基于MATLAB的基音周期估计包括端点检测算法、线性预测法、倒谱法、自相关法+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。