搜索资源列表
SVD
- 用于构造任意矩阵的奇异值分解算法，VC版
imcompress
- 基于奇异值分解（SVD）的图像压缩算法matlab实现-Based on singular value decomposition (SVD) to achieve image compression algorithm matlab
113172210SVD
- SVD随着计算机网络的不断发展,多媒体信息的版权保护问题变得十分突出,已成为一个非常紧迫的议题。数字水印技术是实现版权保护的一种非常有效的方法,已经成为信息隐藏领域的一个热门方向。本文着重讨论了数字水印技术在数字图像中的应用,特别地,对于基于神经网络和SVD的自适应的数字水印技术进行了深入的研究与实验。首先比较全面地介绍了数字水印技术的发展历史、现状、基本模型、特征、分类、现有的主要的算法和应用,并对数字水印的发展前景做出了一个展望。接着阐述了神经网络和奇异值分解( SVD)的相关理论。利用图像
LtoLHtoH_svd
- 本算法结合小波变换和SVD奇异值变换，实现了水印的嵌入和提取，载体图像的鲁棒性和水印的不可见性，提取出的水印图像的和原水印图像基本一致，抗攻击性强。-The algorithm combines wavelet transform and SVD singular value transformation, achieved watermark embedding and extraction, vector image watermark robustness and invisibility
DCT_SVD
- 本文提出一种在原始视频DCT(离散余弦变换)与SVD(奇异值分解)域自适应嵌入水印的算法。算法首先将视频流分割成一个个场景,场景中的视频图像被变换到DCT-SVD域中,水印量化嵌入在最大奇异上,实现了水印盲检测。同时实验证明该算法在满足透明性要求下也满足一定的鲁棒性要求,能够抵抗低通滤波、中值滤波、椒盐噪声、高斯噪声、H.264压缩攻击以及统计攻击和帧剪切等攻击。-This paper presents an original video in the DCT (Discrete Cosine
SVD_DWTimage
- 提出了一种新的基于离散小波变换(DWT)与奇异值分解(SVD)相结合的数字图像水印算法。该算法将原始图像作小波分解并将小波分解得到的低频子带进行分块，对每一块进行奇异值分解后，选取每块中最大的奇异值通过量化的方法嵌入经过Arnold置乱后水印信息。-A new wavelet transform based on discrete (DWT) and Singular Value Decomposition (SVD) combination of digital image watermark
matlab
- ) 使用分块的主成分分析方法(PCA)对人脸图像进行压缩编码。针对PCA方法计算量大的缺点,首先把问题转化成奇异值分解(SVD)问题,然后设计了特征空间的更新算法,通过递推,简化每一步计算的计算量,达到了实时编码的要求。 4) 在Windows平台下基于Video for Windows(VFW)接口开发了人脸视频图像编码和解码的实验系统,该系统实现了图像采集、图像显示、编码、解码等功能。-) The use of sub-blocks of principal component analys
SignCorrectionInSVDandPCA
- 虽然奇异值分解（SVD）和特征值分解（EVD的）是行之有效的，可以通过先进的设施设备先进的算法，它不是通常所说，有一个内在的迹象，可以显着影响的不确定性的结论计算及诠释来自其结果。我们提供一个解决方案，标志模糊的问题确定了从奇异向量的内积和个人数据载体签署奇异向量的迹象。该数据可能有不同的载体，但它有它自身的定位和实际意义的选择方向，其中多数的向量点。这可以通过评估发现了内心的签署标志产品的总和。-Although the Singular Value Decomposition (SVD) a
MATLAB
- 用MATLAB写得离散小波-奇异值分解的算法。嵌入水印信息-dwt-svd watermark algorithm
SVD-based-image-improvement
- 是一篇使用 SVD（奇异值分解）来提高图像视觉效果的算法。-It is an article that use SVD (singular value decomposition) algorithm to enhance the visual effect.
backgroud-model2
- 针对传统背景建模存在的问题，文中基于低秩矩阵恢复原理，直接从视频序列中分离出前景物体和背景模型。已有低秩矩阵恢复算法的迭代计算过程中涉及大量的奇异值分解，而这些奇异值分解一般非常耗时且不够简洁，文中在非精确增广拉格朗日乘子法中引入线性时间奇异值分解算法，以得到更加有效的背景建模算法。基于 实际视频序列实验，结果表明该改进算法具有更好的建模效果和较少的运算时间。-In this paper，a novel method is present based on low-rank matrix r
work
- SI算法是由基于形状描述的两个奇异值分解（SVD ）理论组成。-SI algorithm theory consists of two singular value decomposition (SVD) based on the shape descr iption.
svdcmp
- 图像模式识别svd（奇异值分解）算法及图像相似度计算delphi源代码-Calculate the image similarity
svd
- 非常好用的奇异值分解的水印算法，值得学习，建议学习一下-Watermarking algorithm is very easy to use singular value decomposition
full SVD
- 利用矩阵的完全奇异值分解，进而运用奇异值阈值算法进行求解