搜索资源列表
nmf
- 基于非负矩阵分解（NMF）的人脸特征提取算法，NMF基本思想是找到一个线性子空间W，使的构成子空间的基本图像的像素点都是正值，而且人脸图像在子空间上的投影系数也是正数
非负矩阵分解
- LNMF、NMF分解
rpca
- RobustPCA 是最近提出的一种非常新的图像矩阵分解算法，该算法具有对噪声不敏感、能处理高维图像数据的特点。这是论文作者提供的 MATLAB 实现代码。-Oct 2009 This matlab code implements the augmented Lagrange multiplier method for Robust PCA.
pipeidian_eight
- 计算机视觉中得八点算法，采用SVD分解最小二乘解来求基本矩阵，这是模拟仿真实验程序。-Was 8:00 in computer vision algorithms, using SVD decomposition least-squares solution to seek the fundamental matrix, which is simulation, experimental procedure.
nmf
- 提供NMF程序，非负矩阵分解 用于人脸图像的表示-lnmf and nmf
NMF
- 该软件可实现传统的NMF非负矩阵分解，希望能对大家有所帮助！-This software can realize non-negative matrix factorization. I hope it is helpful for all of us.
image-preprocessing-4
- 用水线阈值法分割图像 对矩阵进行四叉树分解 将图像分为文字和非文字的两个类别 形态学梯度检测二值图像的边缘-Water line image thresholding segmentation of matrix quadtree decomposition of the image into text and non-text for these two types of morphological gradient detected binary image of the edge
eigen decomposition
- 极化SAR图像处理中的目标特征矩阵分解程序-Polarization SAR image processing target characteristic matrix decomposition process
pauli cov
- 极化SAR图像中的将协方差矩阵数据进行PAULI分解的程序-Polarization SAR images will covariance matrix data Pauli decomposition process
imageprocess2
- 对矩阵进行四叉树分解，将图像分为文字和非文字的两个类别，形态学梯度检测二值图像的边缘，形态学实例——从PCB图像中删除所有电流线（仅保留芯片对象），计算图像中的欧拉数 -Of the matrix quadtree decomposition, the image is divided into text and non-text of two categories, the morphological gradient detection of the edge binary image,
DES
- 基于矩阵奇异值分解的数字水印的设计与实现 -Matrix singular value decomposition-based digital watermark design and implementation
LU
- LU分解课件，用来求解逆矩阵。一般用在图像处理及机器视觉等方面-Courseware LU decomposition to solve the inverse matrix. Generally used in image processing and machine vision, etc.
2D-Wavelet-Transformation
- 用DWT实现二维小波变换,调原始图像矩阵后进行二维小波分解，重构源图像及结果显示-Wavelet transform in 2-D dimentation
matrix
- 矩阵相乘和求逆,矩阵求逆进行LV分解，测试结果与matlab一样-Matrix multiplication and inverse, matrix inverse to LV decomposition, the same test results with matlab
nmf
- 非负矩阵分解法，这一种新型的子空间分解方法，增加了非负性约束，比PCA、ICA更有效-Non-negative matrix factorization method, which a new type of sub-space decomposition method, an increase of non-negative constraint, compared with PCA, ICA is more efficient
Dataregistrationin3-Dscanningsystems
- 通过引入特征点和改进最近点迭代法, 提出了一种 在三维扫描系统中对三维点云数据进行配准的方法。该方法 通过对特征点的提取, 首先得到一组匹配点对, 然后运用 SVD 矩阵分解算法求出转换参数R 和T, 进而以此作为最 近点迭代法的初始值, 并对最近点的求法和迭代截止条件作 了改进, 得到了很好的配准效果。该文论述了该方法的基本 原理, 并通过不同视觉下物体三维测量点云数据配准的应用 实例证明了该方法的有效性。-A 3-D meas uring dat a r egis
NMF1
- 非负矩阵分解和PCA有相同之处，但是具有更好的物理意义。-NMF and PCA have in common, but with better physical meaning.
Nonnegative_matrix_factorization.tar
- Nonnegative_matrix_factorization是实现非负矩阵分解的程序，该算法可以用来进行图像分解和模式识别 -Nonnegative_matrix_factorization is to achieve non-negative matrix factorization procedure, the algorithm can be used for pattern recognition and image decomposition
results
- 非负矩阵分解，分解,数据压缩，文件检索，图像识别-NMF，there is NMF，I am good
rpca
- 低秩矩阵去噪声, 采用拉格朗日， dual等优化方式计算低秩矩阵(Solve the problem withspike noise with high magnitude instead of Gaussian distributed noise)