搜索资源列表
12148086KSVD_Matlab_ToolBox
- 稀疏矩阵字典的优化KSVD，本人已进行测试，效果甚佳,可以用在图像，数据的压缩和分类-Sparse dictionary optimization KSVD, I have been tested, very good results
N-sparse
- 创建一个n维的稀疏数组对象，n是任意值。 定义N可能是大于2的一类n维稀疏阵列。然而，它应该被认为是一种起动方式与普通的MATLAB稀疏矩阵和重塑它有N维度。换句话说，稀疏的数据，首先必须能够作为一个普通的2D MATLAB稀疏矩阵被前n维。事实上，如果目标数组的尺寸mxnxp……yxz，然后将它存储在内部类是一个普通的二维稀疏阵列的尺寸（M×N×P×……×Y）XZ。这导致了某些内存株时使用大量的尺寸。我发现有用的类主要用于中等尺寸像三维图像边缘检测，你经常要举行一个稀疏的3D的边缘地图。-Cr
GraphSc
- 用于图像表示的图约束的稀疏表示论文中涉及的主要函数-Figure constrained sparse image representation for the representation of the main functions involved in paper
opencl-book-samples-read-only
- 《OpenCL编程指南》源代码，书中提供了一系列经典的案例，如图像直方图、Sobel边界检测过滤器、并行实现Dijkstra单源最短路 径图算法、Bullet Physics SDK中的布模拟、用快速傅里叶变换模拟海洋、 光流、OpenCL与PyOpenCL结合使用，使用OpenCL完成矩阵相乘与稀疏矩阵矢 量乘法等-《OpenCL Programming Guide》source code
Sparse image and signal processing
- 这本书在稀疏的多尺度图像和信号处理提出了艺术状态，包括线性多尺度变换，如小波，脊波和曲波变换、非线性、多尺度变换基于中值和数学形态学算子。最近的稀疏性和形态多样性的概念描述和利用各种问题，如去噪，反问题正规化，稀疏信号分解，盲源分离，压缩感知。 这本书的理论和实践研究相结合的领域，如天文学、生物学、物理学、数字媒体应用和取证。最后一章探讨了信号处理中的一个范式转换，表明以前的信息取样和提取的限制可以用非常重要的方法加以克服。 MATLAB和IDL代码伴随这些方法和应用程序重现。 实验并说明