搜索资源列表
-
0下载：
一種基于塊樹結構的SPIHT數字圖像壓縮算法: 在分析圖像經過小波變換后所具有的特性的基礎上,提出了一種改進的SPIHT算法.由于低頻系數占據圖像的百分之九十以上的能量,在圖像的重構中十分重要,所以,對這些系數不進行壓縮而直接傳輸 而最高頻系數相對不重要,所以不做處理,只在圖像重構時以指定的數值予以重構,因此不僅提高了圖像的質量,同時提高了圖像的壓縮率.在具體的算法中,提出了塊樹的結構,減少了算法所需的內存,拓寬了算法的應用范圍.-A tree structure based on the SP
-
-
0下载：
Linear and non-linear approximation with wavelets
Linear approximation is obtained by keeping M low frequency coefficients and then applying the inverse wavelet transform. Here we take M=n^2/4 by keeping n/2 x n/2 low frequency coefficients.
Lin
-
-
0下载：
二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机
(SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽
略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸
识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性。-”Small sample size”problem
-
-
0下载：
图像融合，实现两幅图像的特征融合.该程序使用小波分解的方法先对两幅图像进行小波分解，然后进行多种方法对图像进行特征融合-Fusion, feature fusion of two images to achieve. The method uses wavelet decomposition of the two images before wavelet decomposition, and then features a variety of methods of image fusion
-
-
0下载：
提出一种多尺度方向(multi-scale orientation,简称 MSO)特征描述子用于静态图片中的人体目标检
测.MSO 特征由随机采样的图像方块组成,包含了粗特征集合与精特征集合.其中,粗特征是图像块的方向,而精特征
由 Gabor 小波幅值响应竞争获得.对于两种特征,分别采用贪心算法进行选择,并使用级联 Adaboost 算法及 SVM 训
练检测模型.基于粗特征的 Adaboost 分类器能够保证高的检测速度,而基于精特征的 SVM 分类器则保证了检测精
度.另
-
-
0下载：
The fusion of images is the process of combining two or more images into a single image retaining important features from each of the images. A scheme for fusion of multi-resolution 2D gray level images based on wavelet transform is presented in this
-
