MATLAB Peak Detection Code for Chromatin Variation Project(ASE)

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真工具，专注于心电信号的PQRST峰值检测。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

在Multiresolution Teager Keizer Energy Operator的帮助下检测EMG信号中的MUAP和动作电位。阅读下面的论文了解更多详情。此工具箱中的脚本基于以下论文： H. Sedghamiz和D. Santonocito，“肌内肌电信号中运动单元动作电位的无监督检测和分类”，第5届IEEE电子健康和生物工程国际会议- EHB 2015，在Iasi-Romania。 阅读论文

使用Matlab实现Otsu算法进行老鼠检测的代码。该方法通过图像处理技术，自动确定图像的最佳阈值，以分割老鼠与背景。

Morlet小波的MATLAB代码。MuseProject该存储库包含可用于预处理Muse头带的数据，并对其应用ML模型以基于RGB颜色对数据进行分类的代码。editmusefilewithtime.py该文件用于编辑来自缪斯应用程序MIND MONITER的RAW文件。该文件分为多个子文件，这些子文件包含当人们看到红色、绿色和蓝色时的实例数据。由于在我们的案例中，一个实验包含每种颜色的20个试验，因此我们得到了60个csv文件，其中分别有20个文件为红色、绿色和蓝色。musecombinedimage.m为了从数据中获得频谱图图像，我们使用MATLAB。通过应用Morlet小波变换，可以获得每个电极以及电极组合的图像。museexpfinal_lastrun.py该文件用于运行视觉实验。它使用Python的Psychopy库。runmuseapp.sh该Shell脚本运行代码以预处理数据并以可训练的格式获取数据。mlmodelmuse此文件夹具有已应用于数据的模型。随着工作的进展，该存储库将被更新。

MATLAB小波图像边缘检测源码，实现了利用小波对图像边缘检测。含实验报告。

MATLAB图像分割肿瘤代码，脑肿瘤检测与分类。此源代码根据患者的MRI扫描检测脑肿瘤区域，然后通过MATLAB进行的机器学习将其分为良性和恶性类型。 %Source Code clc %% Input [I,path]=uigetfile('.jpg;.png','select a input image'); str=strcat(path,I); s=imread(str); %% Filter num_iter = 10; delta_t = 1/7; kappa = 15; option = 2; disp('Preprocessing image please wait . . .'); inp = anisodiff(s,num_iter,delta_t,kappa,option); inp = uint8(inp); inp=imresize(inp,[256,256]); if size(inp,3)>1 inp=rgb2gray(inp);

视频图MATLAB代码skinObjectness在凌乱的USAR环境中用于数据驱动的皮肤检测。该代码提供了在杂乱环境中检测皮肤区域的实现。使用以下技巧来解析代码：更新Yinitialize.m或直接将目录路径放入skinObjectness.m中以开始。该代码用于生成皮肤概率图和图像的ROI窗口，并提供对视频帧的算法的进一步实现，用户需要进行一些调整。通过更新'directory'变量来解析skinObjectness.m中图像帧的目录，使用objectnessTracking.m查找视频帧中的皮肤对象。该代码使用MATLAB中的一些内置函数，并且在2013年之后发布的版本中可以正常工作。

This forked from an existing project. Ellipse features are commonly encountered in machine vision, and high-precision detection of ellipse centers is often required. If you are interested in how to precisely draw ellipses, refer to my earlier share: High-quality Ellipse Detection. Illustration: This is the source code for the paper. Important: Please use the citation of our IEEE TIP version instead of the arXiv version. The main contribution of the proposed ellipse detector is to both accurately and efficiently detect ellipses in images, which is universally considered as a tough and long-standing problem in the ellipse detection field.