搜索资源列表
FusionCode1
- 针对多聚焦图像融合，本文首先介绍了小波变换融合算法，虽然小波变换方法无冗余，高频分量损失较小，具有较好的融合效果，但存在两个主要缺点：一是移变性，二是融合图像在重构时会受到一些外来因素的影响，所以仍会丢失一些边缘信息，为了克服小波变换法的以上缺点，可以采用基于小波分解和点扩展函数模型PSF相结合的融合方法。该方法首先对不同的图像进行无降2采样的小波分解，以保持与源图像大小相同，然后分别将其各方向、各尺度的高频分量进行叠加，并依此提取其高频分量的特征信息来判定清晰目标或模糊目标，以此来设计融合算法
ChanVeseAlgorithm
- Chan 和Vese 两位专家建立的水平集模型无梯度主动轮廓水平集算法，图像分割的良好入门程序:) -Chan and Vese, two experts establish the level set model gradientless level set active contour algorithms, image segmentation process a good entry:)
LSBxinxiyincangfenxi
- 介绍了一种基于统计特性的LSB密写分析方法,对其进行了改进并提出了可靠估计信息隐藏长度的方法。该方法利用相邻像素相关性定义了统计量,可根据阈值判断秘密信息的有无。对待检测图像进行二次嵌入,根据统计量的变化建立模型,能可靠估计秘密信息隐藏长度。实验表明,估计出的信息量比较准确。-This paper introduces a steganalysis algorithm based on statistics method for LSB steganograhpy and mends it,pr
GMM_Purdue
- 基于混合高斯模型（GMM）的无监督聚类算法，希望对大家有帮助-Based on Gaussian mixture model (GMM) unsupervised clustering algorithm, I hope it would have help to you！
art
- 用VC++编写的自适应谐振网络（ART）模型的源代码，用于将二值数据集进行无师聚类。-This program contains code implementing the adaptive resonance theory(ART) network. Source code may be found in ART.CPP.
Super-Resolution--
- 针对视频序列的超分辨率重建,提出了一种动态自适应滤波方法. 在最大后验概率估计和加权最小二乘 的基础上,给出视频序列超分辨率重建数学模型 深入研究了运动补偿矩阵和权值矩阵的构成和性质 详细推导了 自适应滤波器的递推公式 分析了算法的存储与计算复杂度. 仿真实验表明该算法的重建结果相当有效,相比双三 次插值和无运动补偿的单帧迭代重建,可以获得一定的PSNR 增益 与Elad 滤波方法相比,具有更小的计算量和 更强的自适应性和鲁棒性.-Super-resolution for th
02
- 采用了标准的CV模型算法（无边缘活动轮廓模型算法），实现图像分割-Using the standard CV model algorithm (active contour model without edges algorithm) to achieve image segmentation
Metropolis
- 实现蒙特卡罗方法模拟无外场下的lsing模型, 图像是m和t_mcs的关系图, 在data.txt中输出-This program stimulates lsing model with Montel Carlo method. And the result is drawn with m and t_mcs. Main data is in data.txt
Active-Contours-Without-Edges
- 无初始边界的蛇模型算法,可以用于影像的边缘提取-No initial boundary snake model algorithm that can be used to extract the edge of the image
classical-image-segmentation-
- 图像处理中经典的C-V（无边缘活动轮廓）模型和GAR（测地线活动区域）模型！- classic CV ( active contour without edge ) model and GAR (geodesic active region) model in Image processing!
levelsetcode
- 无边界主动轮廓模型的matlab实现，对一些简单图像具有很好的分割效果-Borderless active contour model matlab realize, for some simple image with good segmentation results
kh
- 我们提出了一种简单但是有效的图像先验规律——暗原色先验来为单一输入图像去雾。暗原色先验来自对户外无雾图像数据库的统计规律，它基于经观察得到的这么一个关键事实——绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素。利用这个先验建立的去雾模型，我们可直接估算雾的浓度并且复原得到高质量的去除雾干扰的图像。对户外各种不同的带雾图像的处理结果表明了 dark channel prior的巨大作用。同时，作为去雾过程中的副产品，我们还可获得该图像高质量的深度图。-we prop
CV_CPP
- 这个版本的代码，基于无边缘活动轮廓，即chan-vese模型，此代码中包含了C++版本和matlab版本-This version of the code, based on active contours without edges, that chan-vese model, this code contains C++ version and matlab version
CVdaima
- 无边界活动轮廓模型的CV分割方法，实时性较好。-The CV segmentation method with no boundary active contour model has good real-time performance.
GMMmatlab程序
- 混合高斯模型，用于背景变化无抖动的目标的前景提取(The hybrid Gauss model is used for foreground extraction of background invariant targets without jitter)
新建文件夹
- 一幅大小为256×256的256级灰度图像（每像素8bit） 如果图像的各个像素之间是统计独立的，求该图像的信息熵 -离散无记忆信源 如果图像的各个像素之间不是统计独立的，求该图像的信息熵 -图像像素的概率分布模型(A 256 gray scale image (8bit per pixel) with a size of 256 x 256 If each pixel of the image is statistically independent, the information
这是基于水平集模型的CV模型
- 此算法用于图像分割，是无边界活动轮廓模型的CV模型，算法是基于水平集理论和MS模型，能够自动分割图像。初始轮廓的位置也不会影响结果。
这是基于水平集模型的CV模型
- 此算法用于图像分割，是无边界活动轮廓模型的CV模型，算法是基于水平集理论和MS模型，能够自动分割图像。初始轮廓的位置也不会影响结果。