搜索资源列表
Mutualinformation
- 图像配准在医学图像处理领域是一项重要的技术，对临床诊断和治疗起着越来越重要的作用。尽管对 这方面的研究已经展开多年，但目前的主要方法仍然存在不足之处，急需改进，以便更好的应用于临床实践。 本文主要针对现在流行的基于最大互信息量的配准方法展开讨论和研究。在此基础上提出了相同重叠区域下的配准框架，在此框架下，将一些统计相似性配准算法统一为基于最小条件熵的图像配准算法。通常称为归一化互信息配准的方法。-Image registration in medical image processing
Image-Segmentation-Algorithm
- 出了一种新的图像分割方法。这种分割方法首先利用粗糙集理论将图像按照一定的规则划分为 大小相等的若干图像子块，而后利用蒙特卡罗方法基本原理对划分的图像子块进行一定规模的随机抽样，以随机抽 样所得的图像子块为样本进行粗糙熵计算，用所得最大粗糙熵所对应的灰度值为分割阀值对图像进行分割，在采用 较小的图像子块划分以取得更好的分割效果的情况下，极大的提高了算法的分割速度。通过对测试图像的 MATLAB仿真试验验证了算法在降低计算机消耗方面的有效性，且所得的分割阀值也令人满意。-The im
Reny
- 三维最大Renyi熵的灰度图像阈值分割算法-Maximum Renyi entropy of three-dimensional gray-scale image segmentation algorithm
3D-Renyi-entropy-theory
- 魏巍等人提出了一种基于灰度、邻域均值和邻域加权中值三维直方图的最大Renyi熵阈值分割算法。该方法无论在精度上还是抗噪性上都有明显提升。-Wei Wei, who based on gray-scale, neighborhood average and in the neighborhood weighted value of three-dimensional histogram of the maximum Renyi entropy threshold segmentation algo
DSIHE
- DSIHE算法（Dualistic Sub-Image Histogram Equalization method）。基本原理是将图像根据面积分割为两部分，使图像的熵达到最大值。文件中包含DSIHE的matlab源代码，论文，以及输入图像-DSIHE algorithm (Dualistic Sub-Image Histogram Equalization method). The basic principle is to achieve maximum image area is divid
FAST-ICA
- 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp) *z)))-(mean(1-(tanh((temp)) *z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,
FAST-ICA11
- 1、对观测数据进行中心化，； 2、使它的均值为0，对数据进行白化—>Z； 3、选择需要估计的分量的个数m，设置迭代次数p<-1 4、选择一个初始权矢量（随机的W，使其维数为Z的行向量个数）； 5、利用迭代W(i,p)=mean(z(i,:).*(tanh((temp) *z)))-(mean(1-(tanh((temp)) *z).^2)).*temp(i,1)来学习W （这个公式是用来逼近负熵的） 6、用对称正交法处理下W 7、归一化W(:,p)=W(:,
Image-segmentation-source-code
- 利用直方图双峰法阈值分割法、基于最大信息熵算法、基于区域的图像分割方法和基于边缘检测方法对图像进行分割程序代码-Bimodal histogram thresholding method based on maximum entropy algorithm, based on the area of image segmentation and edge detection method based on image segmentation program code
maxEntropy
- matlab实现的图像二值化中的最大阈值熵算法-matlab realize image binarization maximum entropy threshold algorithm
entropy_fuzzy_threshold
- 算法步骤： （1） 计算图像直方图，灰度级为Ns，图像的平均灰度值为Tc； （2） 分别计算第一个灰度级和其余灰度级的信息熵并求和，前两个灰度级和其余灰度级的信息熵并求和，以此类推计算Ns个和； （3） 找到H在Tc附近最大值的位置Tenf即为阈值； （4） 图像中大于阈值的像素置1，其余置0而实现二值分割。 算法的核心：信息熵越大越有不确定性，分割出的图片越好。(Algorithm steps: (1) the histogram of the image is calcula