搜索资源列表
mahalanobis
- 一种新的计算马氏距离的算法，算法采用二次协方差矩阵操作，进而使距离考加入相对性因素。-a new Mahalanobis distance calculation algorithm, the algorithm using quadratic covariance matrix operations, thereby enabling the relative distance to take factors.
kl
- （1）应用9×9的窗口对上述图象进行随机抽样，共抽样200块子图象； （2）将所有子图象按列相接变成一个81维的行向量； （3）对所有200个行向量进行KL变换，求出其对应的协方差矩阵的特征向量和特征值，按降序排列特征值以及所对应的特征向量； （4）选择前40个最大特征值所对应的特征向量作为主元，将原图象块向这40个特征向量上投影，所获得的投影系数就是这个子块的特征向量。 （5）求出所有子块的特征向量。
pcacode
- 程序设计步骤： 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
Texture-features
- matlab编写的用于实现灰度共生矩阵，灰度-梯度共生矩阵，灰度直方图，协方差系数，LOG滤波器的源代码了。全部经过测试，可以直接使用。对于做纹理分析很有帮助。一共有五个代码-matlab prepared for the realization of Gray Level Co-occurrence matrix, gray- gradient co-occurrence matrix, gray histogram, covariance coefficients, LOG source c
COV2K
- 极化SAR图像处理中，将协方差矩阵转换为STOKES矩阵或Mueller矩阵的程序-Polarization SAR image processing, the covariance matrix will be converted to matrix or Mueller matrix STOKES procedures
pauli cov
- 极化SAR图像中的将协方差矩阵数据进行PAULI分解的程序-Polarization SAR images will covariance matrix data Pauli decomposition process
KLtransform
- （1）应用9×9的窗口对上述图象进行随机抽样，共抽样200块子图象； （2）将所有子图象按列相接变成一个81维的行向量； （3）对所有200个行向量进行KL变换，求出其对应的协方差矩阵的特征向量和特征值，按降序排列特征值以及所对应的特征向量； （4）选择前40个最大特征值所对应的特征向量作为主元，将原图象块向这40个特征向量上投影，所获得的投影系数就是这个子块的特征向量。 （5）求出所有子块的特征向量。 -(1) the application of 9 × 9 window
coviance
- 一个关于协方差矩阵的例子 改成自己的图片即可 运行-An example on the covariance matrix into its own image to run
ASM_version1b
- ASM是由Cootes和泰勒推出的多分辨率方法的一个例子。 基本思想： 在ASM模型训练，训练从手工绘制的图像轮廓。发现的ASM模型在训练使用主成分分析（PCA），使该模型自动识别数据的主要变化是，如果可能的轮廓/好的对象的轮廓。还包含了ASM模型的协方差矩阵描述行垂直纹理口岸时，在正确的位置。 -Descr iption This is an example of the basic Active Shape Model (ASM) as introduced by Coot
compression_3
- 在神经网络中用求协方差矩阵的方法对人脸图像进行压缩及恢复-In the neural network covariance matrix using the method of face image compression and restoration
code
- 特征脸（Eigenface）是指用于机器视觉领域中的人脸识别问题的一组特征向量。使用特征脸进行人脸识别的方法首先由Sirovich and Kirby (1987)提出，并由Matthew Turk和Alex Pentland用于人脸分类。该方法被认为是第一种有效的人脸识别方法[来源请求]。这些特征向量是从高维矢量空间的人脸图像的协方差矩阵计算而来。-implementation of eigenface
DOA_SRACV
- 基于协方差矩阵稀疏表示的信源估计程序和论文-Direction-of-Arrival Estimation Using a Sparse Representation of Array Covariance Vectors
kalman-alghrioms-matlab
- 则卡尔曼滤波的算法流程为： 1.计算预估计协方差矩阵2.计算卡尔曼增益矩阵3.更新估计4.计算更新后估计协防差矩阵-The Kalman filter algorithm processes as follows: 1. Calculate pre-estimate covariance matrix 2 calculate the Kalman gain matrix 3 updated estimate calculated after 4 update estimated defend d
K-L
- K-L变换算法 以矢量信号X的协方差矩阵Ф的归一化正交特征矢量q所构成的正交矩阵Q，来对该矢量信号X做正交变换Y=QX，则称此变换为K-L变换（K-LT或KLT），K-LT是Karhunen-Loève Transform的简称，有的文献资料也写作KLT。可见，要实现KLT，首先要从信号求出其协方差矩阵Ф，再由Ф求出正交矩阵Q。Ф的求法与自相关矩阵求法类似。-K- L
bayesgauss
- BAYESGAUSS贝叶斯分类器对高斯模式。 D = BAYESGAUSS(X,钙、马、P)计算贝叶斯决策 n维的功能模式的行X。 n-by-n-by-W大小的CA是一个数组,其中包含了协方差 的矩阵大小n-by-n,W类的数量。 大小n-by-W 马是一个数组,其列。柯尔- 水洼意味着向量。一个赔偿。矩阵和平均向量必须 为每个类指定,即使一些都是平等的。X是大小 K-by-n,K是模式的数量分类。P是 1-by-W数组,包含发生的概率
PCA_K
- PCA的思想为将图像的协方差矩阵分解，获得分解后的方向向量。然后将数据分别投影到某一个方向上去，获得与原图象近似的图像。当然,与最大特征值所对应的特征向量方向获得最好的图像。因此，PCA方法可以作为降维的一种方法。留下在某些方向较好的图像，而抛弃那些在另外一些方向上不好的图像。-PCA ideas as to decompose the covariance matrix of the image, the direction vector obtained after decompositio
CLASSICALMUSIC1
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列
PCANoiseLevelEstimator
- 盲噪声估计出现在许多图像处理应用的问题，如去噪、COM压缩、分割。在本文中，我们提出了一种新的噪声电平估计方法的基础上的主成分分析的图像块。我们表明，噪声方差可以估计为图像块协方差矩阵的最小特征值。与现有的13种方法相比，所提出的方法显示了良好的速度和精度之间的妥协。这是至少15倍的速度比类似的精度的方法，它是至少两倍的精度比其他方法。我们的方法不假定存在均匀区域的输入图像，因此，可以成功地处理图像只包含纹理。-The problem of blind noise level estimatio
主成分分析
- 主成分分析PCA源码分析，使用matlab编程，是一种降维方法，通过计算数据矩阵的协方差矩阵，然后得到协方差矩阵的特征值特征向量，选择特征值最大(即方差最大)的k个特征所对应的特征向量组成的矩阵。这样就可以将数据矩阵转换到新的空间当中，实现数据特征的降维。