资源列表
数字图像处理第三次实验
- 傅立叶变换 显示原图像的频谱 二阶巴特沃斯(Butterworth)低通滤波器(Fourier transformation Display the spectrum of the original image Two order Butterworth (Butterworth) low pass filter)
VMT-master
- 基于MATLAB的程序，可将ADCP实验数据可视化处理并分析，可高效的将图像化流场结果，（2D/3D）(A Matlab-based program for visualization and analysis of moving boat ADCP data, could plot the result of dlow field (2D/3D))
PedestrianCounter-master
- 实时统计监控视频下路人人数，采用python(This is a demo made for tracking pedestrian)
NO_2
- 本程序包是关于在物理光学课程中需要模拟仿真的程序，是由干涉与衍射的程序模拟，十分详细，并且带有GUI文件(This package is a program that needs simulation in physical optics course. It is simulated by the program of interference and diffraction. It is very detailed and has GUI file.)
快速傅里叶变换及实现——交换两幅图像的相位谱
- 快速傅氏变换（FFT），是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。它对傅氏变换的理论并没有新的发现，但是对于在计算机系统或者说数字系统中应用离散傅立叶变换，可以说是进了一大步。(Fast Fourier transform (FFT) is a fast algorithm for discrete Fourier transform. It is based on the characteristics of discrete
CNN_easy
- 简单CNN神经网络的TensorFlow实现(TensorFlow implementation of simple CNN neural network)
levelset_segmentation_biasCorrection_v1
- 水平集(level set)的基本思想是将界面看成高一维空间中某一函数ψ（称为水平集函数）的零水平集，同时界面的演化也扩充到高一维的空间中。我们将水平集函数按照它所满足的发展方程进行演化或迭代，由于水平集函数不断进行演化，所以对应的零水平集也在不断变化，当水平集演化趋于平稳时，演化停止，得到界面形状。(The level set (level set) the basic idea is to interface as a higher dimensional space in a functi
pudn
- Code to simulate SIR, SEIR, SEITR disease spread, BA network etc
open_hdf5_event
- 采用IDL语言处理hdf5数据，为处理HDF5提供借鉴(Using IDL language to deal with HDF5 data and provide reference for dealing with HDF5)
jiaozhun1
- 通过surf匹配特征点然后进行仿射变换实现图像配准。(using surf to match the two images)
SAR滤波MATLAB程序
- 孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度，影响了后续目标检测、分类和识别 等应用。因此，SAR图像的相干斑抑制问题一直是SAR图像应用的重要课题之一。一个理想的去斑算法应该在平 滑的同时保持图像的边缘等细节不受损失，目前存在各种各样的算法，但没有一种方法能够完美的满足这一要求。 本文对SAR图像的相干斑抑制问题进行了全面系统的研究，分析了相干斑的形成原因，总结了目前存在的相干斑 抑制算法的主要思路，介绍了具有代表性的算法，并对各种算法的性能进行了定性分析和比较，给出了去斑算
build_database_for_image
- 在同一个根目录下有若干个文件夹，每个文件夹下有若干张图片，对这些图片提取CNN特征，生成一个文件夹名和图片对应的mat数据文件(There are several folders under the same root directory. There are several pictures under each folder. Extract CNN features from these pictures, and generate a folder name and mat data f