资源列表
braintissue
- 对最大的连通区域依次进行膨胀，闭操作，填充空穴得到脑模板，再将原图和脑模板相乘得到脑组织图像；对距离函数取反，然后进行分水岭操作，显示每一个连通区域；对合并之后的连通区域进行闭操作去除分水线，然后将里面的空洞进行填充，再将其膨胀，减去填充后的模板便可得到各个结构的轮廓线-The maximum connected region sequentially inflated closing operation, fill the hole to give the brain a template,
MLRI_Demosaicing
- 利用最小拉普拉斯残差插值的去马赛克算法，性能很不错。-Laplace interpolation with a minimum residual demosaic algorithms, performance is very good.
biomass_cal
- 利用植被指数进行生物量计算，批处理，直接输出结果图像。-Using vegetation indices for biomass calculation, batch processing, output images directly.
xt3
- 3、 请采用学过的图像复原算法（鼓励自己研究新算法），对 blur3.jpg、 sadhna_53_45.bmp和telescope.bmp 图像进行复原处理。-3, please use the learned image restoration algorithm (to encourage their study new algorithm), to blur3.jpg, sadhna_53_45.bmp and telescope.bmp image restoration proces
wrap-unwrap
- 相位解调和相位展开的matlab代码，可以从条纹图中提取出相位信息-Phase demodulation and phase unwrapping matlab code, can be extracted the fringe of the phase information
MRMRF
- 基于MRF图形的小波与分解 基于MRF图形的小波与分解 基于MRF图形的小波与分解-Wavelet and decomposition based on MRF graphWavelet and decomposition based on MRF graphWavelet and decomposition based on MRF graphWavelet and decomposition based on MRF graph
SiftRegistrationWithSCM
- 改进SIFT算法，用于光学图像和SAR图像配准-Improved SIFT methods for Registration of Optical and SAR image.
KDE
- 用MATLAB实现KDE算法，对20幅图像进行训练，用一幅图像进行测试-KDE algorithm using MATLAB to carry out training on 20 images, with an image for testing
MSCNN_dehazing2016
- 通过CNN计算大气散射模型中的传播率，从而实现图像去雾-multi-scale deep neural network for single-image dehazing by learning the mapping between hazy images and their corresponding transmission maps
dehaze
- 基于边界约束和上下文正则化的图像快速去雾算法-Effi cient Image Dehazing with Boundary Constraint and Contextual
DeepFace
- DeepFace一文依旧是沿着“检测-对齐-人脸表示-分类”这一人脸识别技术路线来的，其贡献在于对人脸对齐和人脸表示环节的改进。1）在人脸对齐环节，引入了3D人脸模型对有姿态的人脸就行分片的仿射对齐。2）在人脸表示环节，利用一个9层的深度卷积在包含4000人、400万张人脸的数据集上学习人脸表示，这个9层的DCNN网络有超过1.2亿个参数。本文的模型在LFW数据集上取得了97.25 的平均精度（逼近了人类97.5 的极限），同时在Youtube数据集上取得了当前最好的结果，比之前的NO.1整整高
CLAHE
- 有限对比适应性均衡化是一种有约束的局部直方图构造方法，而不是全局。在高亮区和暗区的增强能力要远优于常规的直方图均衡化，图像视觉效果更加清晰。-Finite contrast adaptive equalization is a constrained local histogram construction method, rather than a global. The enhancement capability of the highlighted area and dark regio