搜索资源列表
PicMatch
- 本程序实现了对影像特征点自动提取，利用Morevac、Forstner、Harris3个经典算子。在此基础上利用相关系数法实现影像自动匹配，并且引入最小二乘平差，使匹配点精度有所提高。 在搜索点过程中，利用了核线影像特性，对二维影像搜索使用了爬山法启发式搜索。对大数据量影像采用影像金字塔结构处理。 1、使用GDAL库读取影片，支持TIFF、PNG、JPEG、JPG、BMP、GIF、IMG格式读取。使用GDI绘图。 2、防止大数据量绘图视图闪烁，图片显示采用双缓存技术。
1235
- 直方图均衡能有效地对数字图像进行增强处理，其主要缺点是处理后的数字图像大量损失灰度层次，且增强力度不够．提出了在子块部分重叠直方图均衡的基础上，引入保留灰度级直方图均衡 理的方法，使得处理后 的图像对比度得到较大的增强，又不损失灰 度级，且相邻像素间灰度过渡平 ，图像柔和、真实．针对处理后方块效应严 重的图像，依据人眼的视觉特性和数字图像数据的特，提出了自适应行列分比例方法来有效消除块效应．-Histogram equalization can effectively enhance the d
Dataregistrationin3-Dscanningsystems
- 通过引入特征点和改进最近点迭代法, 提出了一种 在三维扫描系统中对三维点云数据进行配准的方法。该方法 通过对特征点的提取, 首先得到一组匹配点对, 然后运用 SVD 矩阵分解算法求出转换参数R 和T, 进而以此作为最 近点迭代法的初始值, 并对最近点的求法和迭代截止条件作 了改进, 得到了很好的配准效果。该文论述了该方法的基本 原理, 并通过不同视觉下物体三维测量点云数据配准的应用 实例证明了该方法的有效性。-A 3-D meas uring dat a r egis
A-32D-Digital-Watermarking-System
- 基于虚拟光学信息隐藏理论提出了一种三维空间数字水印算法1 该数字水印算法能成为 一种多媒体数据产权保护的有效方案1 对算法的测试结果表明,该算法对于噪音叠加、剪切、旋转、 有损压缩等常见的图像处理操作具有较高的鲁棒性1 由于引入了虚拟光学信息隐藏思想,将虚拟 光路的几何结构参数作为密钥,设计出了多重“锁”和多重“密钥”1 随机模板编码技术的引入,更进 一步提高了数字水印系统的密钥空间. 仿真实验结果表明该算法具有很好的安全性1- A new approach to digital
Forstner-Operator-and-Improvement
- 对于数字影像中的目标我们想要确定它的位置，只靠简单的数据是不够的，这时候我们就要借用算子。就算子进行介绍并引入了算子的一些改进思想。 关键词：Forstner算子；Harris算子；改进-Digital image of the target that we want to determine its location, rely on simple data is not enough, this time we will borrow operator. Even if the chil
11
- 在探地雷达数据处理中, 引入小波分析和分形理论, 采用平滑因子在小波域中恢复加性白噪背景下探地雷达信号-THE STUDY OF SIGNAL ESTIMATION FROM GROUND PENETRATE RADAR DATA IN WAVELET DOMAIN INTERFERED BY WHITE NOISE
DeepFace
- DeepFace一文依旧是沿着“检测-对齐-人脸表示-分类”这一人脸识别技术路线来的，其贡献在于对人脸对齐和人脸表示环节的改进。1）在人脸对齐环节，引入了3D人脸模型对有姿态的人脸就行分片的仿射对齐。2）在人脸表示环节，利用一个9层的深度卷积在包含4000人、400万张人脸的数据集上学习人脸表示，这个9层的DCNN网络有超过1.2亿个参数。本文的模型在LFW数据集上取得了97.25 的平均精度（逼近了人类97.5 的极限），同时在Youtube数据集上取得了当前最好的结果，比之前的NO.1整整高
Image-Annotation
- 目前主题回归多模式潜在狄利克雷分配（tr-mmLDA），一个新颖的统计主题模型的图像和视频注释的任务。 在我们的新注释模型的核心是一种新颖的潜变量回归方法来捕获图像或视频特征和注释文本之间的相关性。 我们的方法不是在两个数据模态之间共享一组潜在主题，如在对应关系LDA的公式中，我们的方法引入了回归模块来关联两组主题，其捕获更一般的关联形式，并允许主题的数量 2个数据模态不同。 我们证明tr-mmLDA对2个标准注释数据集的功率：一个5000图像子集的COREL和一个2687图像的LabelMe数
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the background, and information entropy