搜索资源列表
Watermarking_althorithm_based_on_DCT(MATLAB)
- 基于DCT变换的水印图像水印算法源代码（matlab实现）。将文件解压缩到MATLAB安装目录下的work文件夹中，然后打开aaa.m文件，运行即可。-Based on the DCT Transform Watermarking Image Watermarking Algorithm source code (matlab achieve). Extract the file to the MATLAB installation directory under the work folder
KSVD_Matlab_ToolBox
- The K-SVD is a new algorithm for training dictionaries for linear representation of signals. Given a set of signals, the K-SVD tries to extract the best dictionary that can sparsely represent those signals.
svddct
- 2维图像添加数字水印信息。算法DCT-SVD。嵌入二值水印信息-Add watermark to the host image. DCT-SVD
imageSVD
- 图像 奇异值分解 水印的嵌入与提取 对比 鲁棒性 噪声-image svd
k_svd_use
- 代码是根据文献思想自己编写，已经过多次试验，实现对图像处理过程中的svd分解，过程中需要调用一个omp函数，可以自己随便调用一个-The code literature thinking of their own writing, has been repeatedly test svd decomposition of image processing, the process need to call a omp function can casually call a
ycbcrdwt-dct-svd
- 基于离散小波变换和离散余弦变换域的彩色水印，对提高水印信息的鲁棒性具有很好的作用.-failed to translate
a1
- svd matlab code helps alot for the begginers
KSVD_Matlab_ToolBox
- K-SVD算法应用，图像去噪，提高图像质量-The K-SVD is a new algorithm for training dictionaries for linear representation of signals. Given a set of signals, the K-SVD tries to extract the best dictionary that can sparsely represent those signals.
K-SVD
- 基于K-SVD的字典学习算法，讲解很透彻，值得一读。-Based on K-SVD dictionary learning algorithms, on the very thorough, well worth reading.
MySVD
- 本人自己编写的稀疏表示的SVD算法代码，简单可靠，运行效率高。-SVD algorithm code I have written a sparse representation, simple and reliable, high operating efficiency.
SVD
- 采用160站点的温度和降水量数据，对我国东部地区的冬季温度和冬季降水量，进行SVD分析，并给出前两个模态。-160 sites using the temperature and precipitation data, winter temperatures and winter precipitation eastern China, SVD were analyzed, and the first two modes.
alglib-3.14
- ALGLIB提供以下功能： 线性代数(直接算法、求解器、EVD/SVD) 快速傅里叶变换 数值积分 内插 线性和非线性最小二乘拟合 优化 常微分方程 特殊功能 统计 (描述性统计, 假设检验) 数据分析(分类/回归，包括神经网络) 的多个精确版本线性代数, 内插和优化算法(使用MPFR浮点计算)
图像配准算法
- 1.SIFT得到两幅图像的匹配点对 2.通过RANSAC剔除外点，得到N对内点 3.利用DLT和SVD计算全局单应性 4.将源图划分网格，取网格中心点，计算每个中心点和源图上内点之间的欧式距离和权重 5.将权重放到DLT算法的A矩阵中，构建成新的W*A矩阵，重新SVD分解，自然就得到了当前网格的局部单应性矩阵 6.遍历每个网格，利用局部单应性矩阵映射到全景画布上，就得到了APAP变换后的源图 7.最后就是进行拼接线的加权融合