搜索资源列表
sober
- 一种图像卷积运算,sober算子,运用该算法能够获得提取边缘的效果-failed to translate
Gabor-Filter
- Gabor滤波,有详细注释,并通过与图像卷积提取图像的纹理特征-Gabor filtering, detailed notes, and through convolution with the image texture features extracted
image_corracov
- matlab中图像卷积和自相关函数的演示和解释,这两个函数在使用时有很多技巧需要注意。-demonstrated and explained matlab image convolution and autocorrelation function, these two functions have a lot of skills in the use of note.
CUDA_image
- 代码是基于CUDA环境下的图像卷积处理,基于Linux系统,文档中有makefile-Convolutional code on the image processing environment CUDA
codeimage
- 图像卷积编码,先给图像加高斯白噪声,在进行卷积观测效果,另外也观测了卷积编码在信道的传输效果根据波形- somsthing about image code
Convolution
- 打开bmp图像,并能够进行图像卷积运算,对于理解图像处理很有帮助-Open bmp image, and capable of image convolution, image processing is helpful for understanding
juanji--C--picture
- C图像卷积,在C环境下,对两个图像进行卷积计算-image convolution of C
MATLAB-picture-blurring-processing
- 图像模糊函数,分别产生运动模糊、圆盘状模糊以及钝化模糊的PSF,然后将PSF与原图像卷积,得到不同的模糊图像-Image blur function, respectively, resulting in motion blur, disk blur and passivation of fuzzy PSF, and then PSF and the original image convolution, get different fuzzy images
Gabor_GLM_FEX
- 视网膜血管检测的Gabor变换和机器学习,教程 本教程将演示如何Gabor变换和广义 的线性模型(GLM)可用于视网膜血管检测 图像。 ,我们将尝试检测视网膜血管从 的训练图像,首先,Gabor滤波器与图像卷积。 GLM将使用Gabor变换的图像特征确定 (独立变量)和容器的位置 为结果(因变量)。- Retinal Vessel Detection by Gabor Transform and Machine Learning, a Tutorial T
matlab
- 包含4个图像复原的方法,打开即可运行出结果,清晰易懂(Contains 4 methods of image recovery, open to run the results, clear and understandable)
Image retrieval
- 基于内容的图像查询,采用卷积神经网络,CNN代码使用了matconvnet工具包,包括代码和实验报告。(Content based image query, using convolutional neural networks, CNN code, using the matconvnet toolkit, including code and experimental reports.)
经典复原
- 四种经典图像复原方法对比,分别是维纳滤波,最小二乘,盲去卷积和RL(The four classical image restoration methods are Wiener filtering, least squares, blind deconvolution, and RL.)
DeepLearningImageClassificationExample
- 使用2012Imagenet数据大赛深度学习网络为架构的卷积神经网络,可进行多类数据分类任务(Using the 2012Imagenet Data Contest Deep Learning Network for Architectural Convolution Neural Networks, Multiple Class Data Classification Tasks)
信号
- 设计了一个界面,可以在上面快速画出各种信号响应的图像(An interface is designed to quickly draw various signal response images)
SRCNN
- 高分辨率重建图像,通过训练后输入的图像重建质量高,基于Caffe开发(High resolution reconstructed image)
NatureDeepReview
- 深度学习允许由多个处理层组成的计算模型来学习具有多个抽象层次的数据表示。这些方法极大地提高了语音识别、视觉对象识别、目标检测以及药物发现和基因组学等许多领域的最新进展。深度学习发现复杂的结构在大数据集,通过使用反向传播算法来指示一台机器应该如何改变其内部参数,用于计算在每一层的代表性,从上一层的代表。深层卷积网在处理图像、视频、语音和音频方面取得了突破性进展,而递归网络则在文本和语音等连续数据上起到了作用。(Deep learning allows computational models th
sygbific
- 定义了signal的类和它的方法,主要有FFT DFT和卷积运算,并能处理简单的复数,()
AZYWG616
- ex2_1 利用Z变换求系统输出 ex2_2 求DFT ex2_3 求序列的圆周移位 ex2_4 求序列的圆周卷积 ex2()
作业5
- 理解频域处理与空间域处理的等效关系与步骤,掌握频域相乘与空间域循环卷积之间的对等关系,理解DFT运算中补零的效果。(Understand the equivalent relationship and steps of frequency domain processing and space domain processing, understand the reciprocal relationship between frequency domain multiplication and
vreqmption-configuration-loader
- 随即信号实验程序,随即信号的产生,卷积运算,求功率谱函数等,()