搜索资源列表
anl_081232f
- 为了减小传统的反锐化掩模算法对噪声的敏感性，提出了一种新的反锐化掩模图像 增强算法，该算法在图像的平坦区域进行去噪处理，并依据人眼视觉特性对图像的不同细节 区域做不同程度的增强。通过几种算法的实验结果比较，表明本算法不仅增强效果较好，且 抑制了噪声的增强。-In order to reduce the traditional unsharp masking algorithm sensitivity to noise, a new Unsharp Masking image enha
waveletstools
- 基于小波变换应用的matlab程序，包含图像增强，图像分解，图像去噪，图像融合等-Applications based on wavelet transform matlab program, including image enhancement, image decomposition, image denoising, image fusion
Non-Local-Means
- 本人收集的Non-local Means方面的的论文，里面有WOR版的哦，希望对大家有用。-Image Denoising papers by the Non-local Means Algorithm，
matlab
- matlab用于分析图像去噪处理，含有多种算法的比较分析，还是比较全面的，适合用做期末论文-for the analysis of image denoising matlab is quite comprehensive, comparative analysis, containing a variety of algorithms, suitable for use as the final paper
noise
- 图像去噪理论基础图像视频去噪的最终目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量下降的问题。通过去噪技术可以有效地提高图像质量，增大信噪比，更好的体现原来图像所携带的信息，作为一种重要的预处理手段，人们对图像去噪算法进行了广泛的研究。在现有的去噪算法中，有的去噪算法在低维信号图像处理中取得较好的效果，却不适用于高维信号图像处理；或者去噪效果较好，却丢失部分图像边缘信息，或者致力于研究检测图像边缘信息，保留图像细节。-Image denoising theory based imag
ROF-TV-denoising
- 基于ROF全变差分模型，用于图像去噪，并利用split bregman算法进行加速运算-ROF points based on total variation model for image denoising, and using split bregman accelerated computing algorithms
wavelet-denoising.pdf
- Image De-noising with a New Threshold Value Using Wavelets
11.25-12.2
- 有关疵点检测的最近工作汇报，图像预处理，图像增强，图像去噪-Recent work report on the defect detection, image preprocessing, image enhancement, image denoising
learning-dictionary-redundant
- 基于学习字典的图像冗余表示，用来进行图像去噪-Image-based learning dictionary redundant representation for image denoising
KSVD_Denoising_IEEE_TIP
- 基于学习字典的图像冗余表示，用来进行图像去噪-Image-based learning dictionary redundant representation for image denoising
Fast-Compressive-Tracking
- 快速压缩跟踪，进行图像处理，可用于图像去噪-Fast compression tracking, image processing, can be used for image denoising
chengxu
- 1.打开matlab软件，再获取一张实验用彩色图像，使用imread函数读入； 2.用均值滤波法对所获取的彩色图像进行去椒盐噪声处理。 3,、对已加噪和去噪的图像进行必要的保存。-Image denoising main program
Image-Denoising-Using-Local-Low-Rank
- 2017 TGRS 最新去噪文章 Image Denoising Using Local Low-Rank-2017 TGRS Latest articles Denoising