在Matlab中用噪声数据找到近似的局部最大值
 

matlab常见问题解答介绍了一种用于查找局部最大值的单线方法：

index = find( diff( sign( diff([0; x(:); 0]) ) ) < 0 ); 但是我相信这仅在数据或多或少平滑的情况下才有效。假设您的数据以较小的间隔上下跳跃，但仍然具有一些近似的局部最大值。您将如何找到这些要点？您可以将向量划分为n个片段，并找到不在每个边缘上的最大值，但应该有一个更优雅，更快速的解决方案。

一站式解决方案也将很棒。

[B]编辑：[/B]我正在处理嘈杂的生物图像，试图将其分成不同的部分。


回答：
根据您的需求，过滤嘈杂的数据通常会很有帮助。看一下[URL="http://www.mathworks.com/access/helpdesk/help/toolbox/signal/medfilt1.html"]MEDFILT1[/URL] ，或将[URL="http://www.mathworks.com/access/helpdesk/help/techdoc/ref/conv.html"]CONV[/URL]和[URL="http://www.mathworks.com/access/helpdesk/help/toolbox/images/fspecial.html"]FSPECIAL[/URL]一起使用。在后一种方法中，您可能要对CONV使用'same'参数，并使用FSPECIAL创建的'gaussian'过滤器。

过滤完成后，将其送入最大值查找器。

[B]编辑：[/B] [I]运行时复杂度[/I]

假设输入向量的长度为X，过滤器内核的长度为K。

中值过滤器可以通过运行插入排序来工作，因此它应该为O（X [I]K + K log K）。我没有看过源代码，其他实现也是可行的，但基本上应该是O（X[/I] K）。

当K较小时，conv使用简单的O（X * K）算法。当X和K几乎相同时，使用快速傅立叶变换会更快。该实现为O（X log X + K log K）。 Matlab非常聪明，可以根据输入大小自动选择合适的算法。



[url=https://stackoverflow.com/questions/842131]更多&回答...[/url]