搜索资源列表
fusion-pca
- 用PCA的方法，对两幅聚焦不同的图像进行融合处理，从而获得清晰图像。-using PCA, focusing on two different images for integration, thereby get a clear image.
Researchontheshapefeatureextractionandrecognition.
- 主分量分析(PCA ) 是统计学中分析数据的一种有效的方法, 可以将数据从高维数据空间变换到低维特征空间, 因而 可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中, 用PCA 法提取图像的形状特征, 能够较好地满足识别 层的输入要求。在识别层研究了3 种识别方法: 最近邻法则、BP 网络及协同神经网络方法, 均取得了满意的实验效果。-Principal component analysis (PCA) is a statistical analysis of data in a
20061107094443510
- 包括256色转灰度图,Hough变换,image_j1,PCA,Walsh变换,对比度拉伸,二值化变换,反色, 方块编码,傅立叶变换,高斯平滑,灰度均衡,均值滤波,拉普拉斯锐化（边缘检测）, 离散余弦变换,亮度增减,逆滤波处理,取对数,取指数,梯度锐化,图象处理,图像镜像, 图像平移,图像缩放,图像细化,图像旋转,维纳滤波处理,用Canny算子提取边缘,阈值变换,直方图均衡. -Including 256 colors to grayscale, Hough transform, image_j
PCAbased-Laplacian-pyramid
- 本文阐述了基于主元分析的拉普拉斯金字塔图像融合的原理和方法:首先对原图像分别进行拉普拉斯 金字塔分解,然后分别对高频部分采用主元分析（PCA）法融合,对低频部分采用平均梯度法进行融合,最后对 拉普拉斯金字塔做反变换得到最终的融合图像。通过对可见光与红外图像的融合，以及对不同焦距图像融合 的结果分析，该算法比单纯的PCA和拉普拉斯图像融合能得到具有更多有用信息的高对比度的融合图像-In this paper, principal component analysis based on
PCA
- pca人脸识别 基于代数统计的方法是使用统计学观点提取基向量，之后将人脸向量投影到基向量上，得到的投影值即为不同的人脸图像特征，这种方法利于操作，比较灵活。本次设计采用PCA方法对人脸进行降维，提取特征。 -pca face recognition based on the statistical method Generation is extracted base vectors using a statistical point of view, and then the vector
fus
- this based on wavelet image fusion using pca
PCA-matlab
- 几个基于pca的matlab程序。使用时直接输入图片就可以了-Based on several pca matlab program. When using direct input image can be
PCA_face_configuration
- matlab平台下基于PCA的人脸识别程序。压缩文件中包含测试使用的人脸图像文件。 -Under the PCA face recognition matlab platform is based on the program. People compressed file contains tests using face image files.
PCAnoise
- 本文提出了一种基于补丁的噪声电平估计算法，补丁产生的单噪声图像。一个可以很容易地估计噪声水平使用主成分分析（PCA）如果图像块的图像只包含弱特将补丁。基于补丁的噪声电平估计的挑战是如何选择弱纹理补丁从嘈杂的图像。去描述在本文中，我们提出了一个选择弱纹理补丁的补丁和基于统计的梯度单噪声图像的新算法。然后，我们估计噪声水平从选定的弱纹理补丁使用PCA。我们实验证明，所提出的噪声电平估计算法优于国家的最先进的算法。-A patch-based noise level estimation algori
kanghaiyeng
- Using MATLAB dynamic clustering or iterative self-organizing data analysis, The true extent of the value of the intermediary measure, measure the true extent of the agency based on the value of image segmentation It draws on principal component analy
pca
- 在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。 因此需要找到一个合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，