搜索资源列表
S+P
- 使用C语言实现整数小波S+P变换和算术编码-use C language S P integral wavelet transform and arithmetic coding
BLS-GSM_Denoising
- 现在在所有图像去噪滤波中最较理想的去噪算法——Bayesian Least Squares - Gaussian Scale Mixture的matlab实现代码，应用丰富，与商用图像处理软件媲美，其原理可以参见J Portilla, V Strela, M Wainwright, E P Simoncelli, \"Image Denoising using Scale Mixtures of Gaussians in the Wavelet Domain
Pattern_Recognition_by_Moment_Invariant
- .M.K.Hu.发表的关于不变矩的著名文章Pattern Recognition by Moment Invariant,用校园网通过IEEE.Xplore下载，比较珍贵 -. MKHu. Published about the same moment a well-known article Pattern Recognition by Moment Invariant, Netcom had used the campus IEEE.Xplore download compare preci
090211
- 细化参数的对数极坐标变换图像纹理特征提取算法提出一种细化参数的对数极坐标变换图像纹理特征提取算法,可以有效地消除旋转、缩放和平移等几何形 变的影响.在特征提取过程中,通过自相关图像消除平移的影响,引入细化参数的对数极坐标变换消除旋转和伸缩 的影响.在图像检索过程中,将不完全树型小波变换所得的特征矢量,通过欧式距离来度量图像之间的相似度.实 验表明,本算法对发生几何形变的纹理图像检索平均正确率达81.05 左右,较之传统算法能取得更好的检索 效果.-This paper p rop
dtcwt_toolbox4_3
- 国外编写的双树复小波的一个开发包，包括1维和2维的情况，文件中有说明。-The Dual-Tree Complex Wavelet prepared outside of a development package, including the one-dimensional and two-dimensional case, the document has made it clear.
gaijinwavelet
- 小波变换在图像融合中的应用已有不少,但大多是热图像和可视图像的融合,在医学图像融合方面的研 究还比较少。针对这一现状,提出了基于形态学小波的医学多分辨率融合方法和小波域基于差值图像分割的加权融 合方法。该方法保留了小波的视觉效果,同时在很大程度上减少了运算的复杂度,优化了加权系数的计算方法,得到 了较好的融合效果。实验结果表明了该算法的优越性。-There are many app lications ofwavelet transform to image fusion. But
image-fusion.RAR
- 给出了一种新的基于小波多尺度分解的分层图像融合方法. 其基本思想是先对源图像 进行小波多尺度分解 其次, 按照融合规则, 采用基于区域特性量测的选择及加权算子去构造融 合图像对应的小波系数 最后, 通过逆小波变换重构融合图像. 该方法被成功地用于图像的融合 处理. 此外, 利用熵、交叉熵、互信息、均方根误差、峰值信噪比等参量, 对该融合方法的融合性能 进行了评价与分析. 实验结果表明, 该融合方法是十分有效的- A novel h ierarch ical image fusio
image-registration-
- 该文研究利用小波变换的方法提取图像的边缘,并对边缘图像作交互方差分析,搜索出最佳交互方差的配准参数 通过对 S P O T 和 T M 图像的处理, 达到了精度较高的配准效-This paper studies the use of wavelet transform to extract image edge, and the edge of the image for interactive analysis of variance, search out the best intera
BLS-GSM
- BLS-GSM代表“Bayesian Least Squares - Gaussian Scale Mixture(贝叶斯最小二乘-高斯尺度混合模型)”。 这个工具箱实现了该篇论文中介绍的算法： J Portilla, V Strela, M Wainwright, E P Simoncelli, Image Denoising using Scale Mixtures of Gaussians in the Wavelet Domain, IEEE Transaction