搜索资源列表
Snake-application
- 利用图像区域的局部梯度信息,同时利用序列图像之间局部区域的全局信息及其相关性重 新构造外部能量函数 并根据内外部能量的比值,动态地调节权值参数. 实验结果表明,改 进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些噪声点 或伪边缘点,可达到良好的体分割效果.
imagedenoising
- 实现图像受混合噪声污染时去除噪声的目的，在6种方法比较之下，得出最优的图像去噪算法
216
- 在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配.新算法中各个R-块编码的计算十分简单 匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法.新算法对
image_processing
- 基于Matlab实现图像处理中的中值滤波，并以图像中去除椒盐噪声为例
嵌入水印 (2)
- 此系统可以根据量化系数的选择不同而使水印信号的脆弱程度不同。由实验结果显示假如Q＝1，当图像受到高斯噪声的攻击时，已经不能通过系统的认证。-system can quantify the different coefficients so fragile watermark signals to different degrees. From the experimental results show that if the Q = 1, when images by Gaussian nois
车牌定位
- 车牌定位系统是进行车牌自动识别的重要一部分能正确的获得整个图象的车牌部分 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j= Pi
车牌定位
- 车牌定位 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图
6morph
- 汽车边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰。图像平滑包括-car Edge Information has been concentrated in some of its high frequency, therefore, how to remove high-frequency interference at the same time, maintain the e
Gaussian-Pepper-Noise-Generator.rar
- 基于MATLAB的图像加噪声处理源程序
车牌号码识别matlab完整程序实现
- 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。
车牌定位
- 车牌定位使用说明 使用时打开此例题目录下pic中的图片，然后依次单击按钮“转”、“1”、“2”、“3”、“4”和“5”，就可以实现精确的车牌定位。 具体步骤 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本
毕业设计:人脸识别系统设计软件
- 本软件主要用到的图像处理技术是：光线补偿、高斯平滑和二值化。在识别前，先对图像进行补光处理，再通过肤色获得可能的脸部区域，最后根据人脸固有眼睛的对称性来确定是否就是人脸，同时采用高斯平滑来消除图像的噪声，再进行二值化，二值化主要采用局域取阈值方法，接下来就进行定位、提取特征值和识别等操作。经过测试，图像预处理模块对图像的处理达到了较好的效果，提高了定位和识别的正确率。 随软件附上设计文档和参考资料。
dupc
- 对噪声污染的图像做均值滤波
Image mean noise
- 生成一幅含噪声的图像，用平均方法降噪
顺序统计滤波
- 读取BMP图像，对图像各像素点进行顺序统计滤波，实现去噪声的目的。
模板匹配法
- 模板匹配法，与梯度和Laplacian算子相比较，除了能增强图像边缘外，还具有平滑噪声的优点。
指纹识别
- 摘要：指纹识别技术在各个领域的应用已经逐渐成熟，本文基于信息论中的互信息，在指纹识别的特征选取和识别提出自己的一些想法。 1 引言 指纹是人终身不变的生理特征之一，因其具有惟一性、稳定性以及方便性等独特的特点，使指纹识别成为现在应用最广泛的生物识别技术。 指纹识别系统处理的流程中，指纹图像预处理是第一个处理环节，我沿用已经成熟的去噪，二值化，滤波，细化，对其进行预处理。 互信息作为最终的识别准则来进行指纹的识别。 2 指纹的预处理 般自动指纹识别系统由图像采集、图像预处理、细节点提取和指纹匹 几
GammaMap和Lee滤波器
- GammaMap和Lee滤波器，用于图像斑点噪声滤波处理
s-g smooth
- sg平滑是对光谱图像进行预处理，减小光谱噪声