资源列表
tree
- 以图像灰度为依据，对图像进行四叉树分解。(Quadtree decomposition of images)
图像拼接
- 就是将数张有重叠部分的图像（可能是不同时间、不同视角或者不同传感器获得的）拼成一幅无缝的全景图或高分辨率图像，最终得到所需要图像。(It is to make a seamless panorama or high-resolution image from several overlapping images (which may be obtained from different time, different perspectives or different sensors), and
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
imagefusion
- 图像配准是拼接技术重要的步骤之一，其配准精度能够直接影响到接来下的图像融合过程，从而影响到拼接图像的质量。因此拼接技术的研究重点是在实现更高精度和可靠性从而保证拼接图像的高品质。具体地说，图像配准是对于一组图像数据集中的两幅图像，通过寻找一种空间变换把一幅图像映射到另一幅图像，使得两图中对应于空间同一位置的点一一对应起来，从而达到信息融合的目的。(Image registration is one of the most important steps in mosaic technology.
Correlation_analysis
- 该程序用于计算图像的像素之间的相关性。 relation.m 输出数值结果； relationfigure.m 输出图像结果。(This program is used to calculate the correlation between pixels in image.)
交通标志识别
- 交通标志识别，训练和识别的图像为外国比赛用图(Traffic Sign Recognition)
AWB
- 基于Xilinx的FPGA图像增强，对图像进行预处理，自动白平衡(FPGA image preprocessing, automatic white balance)
图像处理评价指标
- 图像融合中的平均梯度、相关系数、信息熵、交叉熵、联合熵、均方误差、互信息、信噪比、峰值信噪比、均方根误差、空间频率、标准差、均值、扭曲程度、偏差指数等等(Average gradient, correlation coefficient, information entropy, cross-entropy, joint entropy, mean square error, mutual information, signal-to-noise ratio, peak signal-to-no
小波改进
- 软阈值去噪，硬阈值去噪，半软阈值去噪，并对比这三个的信噪比(Soft threshold de-noising, hard threshold de-noising, semi-soft threshold de-noising, and comparing the three signal-to-noise ratios)
决策树训练及分类
- 该压缩包包括两个文件： 1、main.m 将训练数据输入到决策树中，训练并在自动分好的测试数据上测试，并保存训练好的决策树 ctree.mat文件。 2、classification.m 加载训练好的决策树，使用决策树对新输入的数据进行分类。 该方法主要用于对SLIC超像素块进行分类，稍加修改可以用于其他数据分类。(The compression package consists of two files: 1. Main. m inputs training data into decisio
14、字典学习
- 经典的KSVD图像字典学习，matlab 代码，有注释，亲测可用(The classic KSVD image dictionary learning, matlab code, include notes, test available)
OSTU
- 用OSTU和KSW实现多阈值图像分割，matlab代码(Image Segmentation Using OSTU and KSW)