CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 源码下载 图形图象 图形图像处理(光照,映射..) 搜索资源 - 数值模型

搜索资源列表

  1. TSnake

    0下载:
  2. Snake的初衷是为了进行图像分割,但它对初始位置过于敏感,且不能处理拓扑结构改变的问题。初始位 置的敏感性可以用遗传算法来克服,因为它是一种全局优化算法,且有良好的数值稳定性。为了更精确地进行图 像分割,本文提出了一种基于遗传算法的双T—Snake模型图像分割方法,它将双T—Snake模型解作为遗传算法的搜 索空间,这既继承了T—Snake模型的拓扑改变能力,又加快了遗传算法的收敛速度。由于它利用遗传算法的全局优 化性能,克服了Snake轮廓局部极小化的缺陷,从而可得到对目标的
  3. 所属分类:Special Effects

    • 发布日期:2017-03-28
    • 文件大小:458981
    • 提供者:ultraqiangda
  1. RGB-segment

    0下载:
  2. 利用RGB肤色模型可以很好的分割肤色,这里经试验给定了一定的数值。 -RGB color model can be a good use of the division of color, and tested here, given a certain value.
  3. 所属分类:Special Effects

    • 发布日期:2017-03-29
    • 文件大小:567
    • 提供者:llwxs
  1. C-Vcode_multiphase

    0下载:
  2. 在图像分割中,MS模型是一个非常重要的模型,但是其能量极小化和数值算法是困难的,这里给出了MS模型的简化模型(多项CV)的matlab源代码。-IIn image segmentation, MS model is a very important model, but the energy minimization and numerical algorithms is difficult, here are a simplified model of MS model (multiple C
  3. 所属分类:Special Effects

    • 发布日期:2017-04-06
    • 文件大小:5891
    • 提供者:erdongchen1985
  1. P_M_AOS

    0下载:
  2. 图像滤波算法P_M模型,并用AOS数值化来实现整个算法的编程。-image denoising P_M modle
  3. 所属分类:Special Effects

    • 发布日期:2017-03-30
    • 文件大小:956
    • 提供者:wangl
  1. Image-Segmentation-Method

    0下载:
  2. 本文主要研究基于水平集方法的活动轮廓模型图像分割,在回顾活动轮廓模 型发展的基础上,介绍了曲线演化理论及其水平集方法,证明了水平集方法可以 有稳定的数值实现方式且其处理拓扑变化的自然性,进一步引出了变分水平集方 法。 本文介绍了两种不同的几何活动轮廓模型:基于梯度信息的李纯明模型以及 基于区域信息的 Chan-Vese 模型(C-V 模型)。在分析上述两模型的优缺点上,提 出了一种改进的 C-V 模型,改进模型引入了距离约束项,同时对基于区域的外部 能量项进行了改进,
  3. 所属分类:Special Effects

    • 发布日期:2017-05-13
    • 文件大小:3343888
    • 提供者:赵昭
  1. Sparse-and-Redundant-Representations

    0下载:
  2. 这本教科书,介绍了稀疏和多余的申述,对信号和图像处理应用的重点。的理论和数值基础处理前的应用进行了讨论。信号源的数学建模一起讨论如何使用适当的模型,如去噪,恢复,分离,插值和外推法,压缩,采样,分析和合成,检测,识别,多任务。这次报告会是优雅和迷人的。-Sparse and Redundant Representations From Theory to Applications in Signal and Image Processing
  3. 所属分类:Special Effects

    • 发布日期:2017-06-01
    • 文件大小:14341699
    • 提供者:侯臻
  1. CV

    0下载:
  2. 经典的cv模型图像分割程序,采用半隐式数值求解。-Classic the cv-model image segmentation procedures, the use of semi-implicit numerical solving.
  3. 所属分类:Special Effects

    • 发布日期:2017-11-17
    • 文件大小:1289
    • 提供者:lee
  1. 3

    1下载:
  2. 】本文首先简单回顾了基于抛物型偏微分方程的图像恢复模型。在此基础上,提出了一个通过 可变权重联合各向同性扩散和金变分模型的图像恢复模型,该权重参数依赖于图像曲面的几何特征。 最后,通过数值实验论证了算法的有效-Abstract:In this paper,we study the dynamic behavior of a class of predator prey system with stage-structure and Beddington-DeAngelis funct
  3. 所属分类:Special Effects

    • 发布日期:2017-05-06
    • 文件大小:1255417
    • 提供者:孙红娟
  1. 5

    0下载:
  2. 为对图像的缺损部分进行快速自动修复, 提出了一种基于曲率驱动修复模型的快速图像修复算法。曲率驱动修复模 型由于引入了曲率项, 使其偏微分方程为高阶, 修复时需要数值求解偏微分方程, 大量迭代运算导致修复速度非常缓慢。为 加快修复速度, 算法将模型的偏微分方程数值化, 进一步改造成加权平均形式, 利用邻近已知像素直接合成损坏像素, 加权 系数由曲率和梯度共同确定, 使修复按照图像等照度线方向进行, 在曲率大的地方将等照度线拉伸, 同时由待修复点邻域内 已知像素的梯度方差确定修复次序
  3. 所属分类:Special Effects

    • 发布日期:2017-04-16
    • 文件大小:348534
    • 提供者:孙红娟
  1. Curvature_Driven_Duffusion

    0下载:
  2. 将空间非局部导数算子引入曲率驱动扩散方程,建立了一个基于非局部曲率驱动扩散的图像修复模型。与原模型的主要差别在于,原模型利用待修复像素的空间局部信息来估计丢失像素, 而新模型利用和待修复像素相似的所有像素来估计丢失像素,充分利用了图像的全局信息。数值实验表明,新模型在图像修复,尤其是纹理图像的修复方面非常有效。-The space nonlocal derivative operator to introduce the curvature driven diffusion equation
  3. 所属分类:Special Effects

    • 发布日期:2017-04-26
    • 文件大小:47677
    • 提供者:毛巴马
  1. ROFdenoise

    0下载:
  2. 经典的􏰉 Rudin-Osher-Fatemi模型进行图像去噪,附带文档内容为此模型的数值分析过程,比较详细,适合初学者-Classic 􏰉 Rudin-Osher-Fatemi model denoising, the including documentation is the numerical analysis process of the model in detail, suitable for beginners
  3. 所属分类:Special Effects

    • 发布日期:2017-04-27
    • 文件大小:29403
    • 提供者:王小青
  1. Matlab-Package-Book

    0下载:
  2. 本书介绍了稀疏和冗余表示,内容分两部分,共十六章。第一部分是稀疏和冗余表示的理论和数值基础,系统、条理地罗列了数据模型的理论基础、相关算法的数值部分(This book introduces the sparse and redundant representation, the content is divided into two parts, a total of sixteen chapters. The first part is the theoretical and numeric
  3. 所属分类:图形图像处理

    • 发布日期:2017-12-22
    • 文件大小:78229504
    • 提供者:LSB
  1. serbeecreate

    0下载:
  2. 可用于ansys模型向flac转换 相当实用的岩土体数值计算软件伴侣!()
  3. 所属分类:图形图像处理

    • 发布日期:2018-01-07
    • 文件大小:6144
    • 提供者:Regmlhxd
搜珍网 www.dssz.com