搜索资源列表
Image_Restoration.rar
- 这个程序可以修复因噪声/噪音干扰或者因抖动产生的失真的图像，Inverse滤波器, Wiener滤波器和Lucy-Richardson滤波器被使用到，同时代码还使用了光学流线分析，估计模糊的长度和角度。,This process could be restored due to noise/noise interference or distortion due to jitter generated images, Inverse filter, Wiener filter and the L
curveletdenoise
- curvelet变换贝叶斯估计方法，用于估计含噪声图像的噪声参数。再对图像进行去噪处理-curvelet transform Bayesian estimation methods used to estimate the image noise with noise parameters. Re-image de-noising processing
example_wnestimate
- 利用小波工具完成一幅图像中噪声参数的估计-useing the wavelet toolbox to estimate the noise in a picture
SSSS
- 通过建立运动模糊数学模型, 进行了消除运动模糊的仿真实验, 维纳滤波恢复运动模糊图像效果较 好。在图像恢复技术中, 点扩展函数( PSF) 是影响图像恢复结果的关键因素, 所以常常利用先验知识和后验判 断方法估计PSF函数来恢复图像。实验表明在实际恢复过程中如果运动模糊图像混入了噪声, 必须考虑到信噪 比、噪声的自相关函数和原始图像的自相关函数对恢复后图像的影响。-Through the establishment of mathematical model of motion
restore
- 图像增强的目标是改进图片的质量，例如增加对比度，去掉模糊和噪声，修正几何畸变等；图像复原是在假定已知模糊或噪声的模型时，试图估计原图像的一种技术。 图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。 -A
guanliu
- 互有平移加噪声的图像的获得和用光流进行估计，对做超分辨率图重像的同学很有帮助-Mutual translation plus noise image acquisition and optical flow to estimate the super-resolution map of the re-do the students as helpful
Image_Restoration_motionblur
- 这个程序可以修复因噪声/噪音干扰或者因抖动产生的失真的图像，Inverse滤波器, Wiener滤波器和Lucy-Richardson滤波器被使用到，同时代码还使用了光学流线分析，估计模糊的长度和角度。-This program can recover from noise/noise or distortion due to jitter generated images, Inverse filter, Wiener filter and the Lucy-Richardson filter
dsgertg
- 针对小波变换在指纹识别中的应用，提出了一种基于小波变换的图像增强算法，利用低频系数图像在小波域估计指纹纹线方向，抑制了高频噪声对纹线方向的影响，实验表明，该算法对纹线模糊的指纹图像增强效果明显。-According to the fingerprint identification of wavelet transform in the application, and puts forward a kind of image based on wavelet transform enhance
Sparse Lab 200-Core
- 基于多帧图像插值（Interpolation）技术的方法是SR恢复技术当中最直观 的方法。这类方法首先估计各帧图像之间的相对运动信息，获得HR图像在非均 匀间距采样点上的象素值，接着通过非均匀插值得到HR栅格上的象素值，最后 采用图像恢复技术来去除模糊和降低噪声（运动估计!非均匀插值!去模糊和 噪声）。-In this paper, we propose a novel method for solv- ing single-image super-resoluti
Surfacelet
- 文将3D Context模型应用于 Surfacelet变换域 ,提出一种新的视频去噪方法. Surfacelet变换(ST)是一种 新的3D变换 ,具有多方向分解、 各向异性和低冗余度等性质. 根据视频信号 ST域内系数和噪声分布的特征 ,将 2D Context 模型拓展到3D ,按照能量分布将 ST系数分成多个子块 ,每个子块有独立的能量和阈值估计.实验结果表明 ,本 文算法噪声抑制效果明显优于分层 2D去噪声方法和其它现有的 3D方法 ,去噪视频的 PSNR值提高了约 2dB
Noise-estimation-in-wavelet-domain
- 对含噪声的图像进行识别和估计，通过小波分解，在频域中完成对图像的识别，判断是椒盐噪声还是高斯噪声，并对参数的值进行估计。-Identify and estimate noisy images, through the wavelet decomposition in the frequency domain to complete the image recognition to determine the salt and pepper noise or Gaussian noise, and
RSC
- 人脸识别的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题-Recently the sparse representation (or codin
Genetic-algorithms-
- 本文主要介绍遗传算法的基本理论，叙述遗传算法在图像增强的的主要应用，即将原始图像变得更加清晰，特征变得更加明显。 现今关于图像增强的算法有很多，而这些算法大多是基于退化函数或者点扩展函数的知识进行图像处理的。当图像出现模糊或噪声影响大时，设计出的图像清晰化的效果肯定不够理想，因此有必要对图像进行增强处理。于是，可利用到遗传算法这种成熟稳定的仿生物进化的全局寻优算法，进行图像增强，由于遗传算法控制参数少、自适应度高，将选择该方法对图像退化分别进行不同的清晰化处理. 这样既增强了图像的对比度,又
NLM
- 我们提出一个新的方法，方法噪声，用来估计和比较数字图像去噪方法的表现。我们首先对一个广泛的去噪算法类计算和分析方法噪声，称之为局部平滑滤波。其次，我们提出一种新的基于图像中所有像素的非局部平均的算法，非局部平均（NL-means）。最后，我们展示几组实验比较非局部平均算法和局部平滑滤波算法。-We propose a new method for noise method used to estimate the performance of digital image denoising me
gaosi
- 针对现有运动目标检测算法不能很好去除阴影的问题, 在利用混合高斯模型进行目标检测的基础上, 提 出了一种有效的阴影抑制算法。该算法充分考虑了系统噪声和背景模型误差, 并用高斯分布的方差信息估计背景模 型误差, 然后用误差估计值来修正阴影模型, 进而实现阴影抑制。实验结果表明 该阴影抑制算法不受光线强弱、 图像质量、目标大小的限制, 具有较强的适应性, 可以更有效的抑制阴影对运动目标检测的影响。-algorithm h
example_wnestimate
- 利用小波工具完成一幅图像中噪声参数的估计-useing the wavelet toolbox to estimate the noise in a picture
my-own-code
- 二维数字图像噪声幅度和密度判断，估计图像高斯白噪声的强度-Image Noise Estimation
noise-estimation
- 几种经典的图像噪声方差估计方法（论文和源代码）-Several classical noise estimation method (articles and source code)
evaluatenoise
- 可以计算一个不知道噪声大小的图像噪声，只是估计噪声的大小- uate the noise power of a picture
noise level estimation PCA-based
- 利用PCA，提取图像中特征值最小的区域，来估计图像噪声(PCA is used to extract the smallest region of the image feature to estimate the image noise)