搜索资源列表
Image-Hashing-based-on-Human-Visual-System
- 提出一种基于视觉特性的图像摘要算法，增大人眼敏感的频域系数在计算图像Hash时的权重，使得图像Hash更好地体现视觉特征，并提高鲁棒性。将原始图像的分块DCT系数乘以若干由密钥控制生成的伪随机矩阵，再对计算的结果进行基于分块的Watson人眼视觉特性处理，最后进行量化判决产生固定长度的图像Hash序列。本算法比未采用视觉特性的算法相比，提高了对JPEG压缩和高斯滤波的鲁棒性。图像摘要序列由密钥控制生成，具有安全性。
zuixinwenzhang
- 数字水印具有很大参考价值的文章 基于DCT变换、分块DCT混沌脆弱水印、自嵌入水印、图像篡改定位及恢复的脆弱水印等15篇最新水印技术文章
tuxiangpipei
- 在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配.新算法中各个R-块编码的计算十分简单 匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法.新算法对
基于内容遥感图像检索的图像分块策略
- 傅立叶灰度图像4领域变换
基于fpga的二值图像快速标记法
- 摘要：在图像自动目标识别和跟踪过程中，首先对图像目标进行阈值分割提取，得到的二值 图像通常包含多个连通区域， 系统利用图像目标的形状特性对可疑高威胁的飞行目标进行自 动识别。因此，需要对各连通区域块进行分别检测判断，本文采用改进的适合 FPGA 实现 的快速标记算法对各连通域进行检测提取。
小波包块编码
- 提出一种基于小波包分解的块分割图像编码算法
一种基于图像显著特征点的检索算法
- 摘要提出一种基于图像显著特征点的检索算法．首先给出一种具有一定自适应能力的显著特征点的提取算 法，即采用改进的图像的块逆概率差模型来提取原图像的块逆概率差图像(DBIP图像)．在此基础上，根据BDIP图 像中像素的分布特点来提取图像的显著特征点．然后以它们为线索，把图像的形状特征和空间颜色分布特征有机 结合起来进行检索．该算法不仅克服利用兴趣点检索时的缺点，而且降低传统显著点提取算法的复杂度，又包含一 定的形状信息，具有较好的检索效率．实验结果表明，该算法是有效的． 关键词基于内容的图
gansehtu
- 研究了基于块填充的图像修复算法,修复图像的质量容易受到待修复区域边界像素修 复顺序的影响,通过分析待修复区域像素点所在模块的图像特征,改进了填充算法的优先权, 分别是基于P-Laplace算子和Euler’s elastica模型的优先权计算方法的改进。实验结果证实了文中 所介绍算法能有效提高重建图像的感知质量。 -Studied the block-based image restoration algorithm for filling, repair image quali
3
- 摘要:为了提高图像复原算法的性能 ,提出了一种改进的奇异值分解法估计图像的点扩散函数。从图像的退化离散模型 出发 ,对图像进行逐层分块奇异值分解 ,并自动选取奇异值重组阶数以减少噪声对估计的影响。利用理想图像奇异值向 量平均能谱指数模型 ,估计点扩散函数奇异值向量的频谱 ,再反傅里叶变换得到其时域结果。实验结果表明 ,该方法能 在不同信噪比情况下估计成像系统的点扩散函数 ,估计结果比原有估计方法有所提高 ,有望为图像复原算法的预处理提 供一种有效的手段。-Abstract : T
colorcavCBIR
- 改进的颜色聚合向量提取程序 该函数提取的向量分三列第一列是颜色区间的聚合面积，第二列是颜色区间剩余像素面积， 第三列是新增列，代表聚合面积所在的位置信息（把图像分成十六个子块，聚合区域的中心点所在的子块） -Polymerization to improve the color vector extraction procedures
Image_matching
- 为了解决光谱恢复对图像匹配高精度的问题, 提出了一种高精度图像匹配算法———利用光流确定图像的运动场对图像进行匹配。该算法克服了传统的基于灰度匹配方法受图像插值精度影响的缺陷以及运算速度和精度的局限性。与基于MAD 块匹配算法和归一化相关系数块匹配算法进行比较, 该算法实现了图像序列高精度匹配, 而且硬件实现简单, 计算复杂度较低。-To address the spectrum of the resumption of high-precision image matching problem
Image_reconstruction_model_using_block_compressed_
- 以块×块的方式获取图像,解决了现有的CS方法中可压缩采样算子所需存储较大的问题-Way to block × block access to images, the CS method to solve the existing sampling operator for compressible large memory requirements and issues
amethodforimagefusion
- 文中的方法是把图像分块，小波分解得到低频分量、高频分量，然后计算每一块的对比度，把图像块划分为清晰块、模糊块，把清晰块和模糊块相邻的区域定义为边界区域，融合时，直接选取清晰块作为融合后的相应块，对于边界区域，在小波分解的基础上采用基于对比度的像素选取的方法进行处理。-Paper, the method is to image segmentation, wavelet decomposition are low frequency, high frequency components, then
anovelaprroachofimagefusion
- 一篇英文文献，文中介绍的方法是先把图像分块，用熵值作为衡量每块图像的信息多少；计算每个图像块的熵值，熵值越大，信息含量就多。但是仅仅把熵值大的图像块拼在一起得到的融合图像有明显的不连续性，文中介绍了消除这种不连续性的方法-An English literature, the paper introduces the method is to first image block, using entropy as a measure of how much each piece of image
ziqianrufangfa
- 描述了一种图像的自嵌入保护方法,将图像分成8 ×8的子块,每个子块的压缩编码与偏移子块的 认证信息嵌入到偏移子块中.-This paper p resents a m ethod of im age p rotection using self2em bedding. The im age is divided into 8 × 8 block , comp ressed codes of each block and authentication inform ation of th
renlianshibieMATLAB
- 本文针对复杂背景下的彩色正面人脸图像,将肤色分割、模板匹配与候选人脸图像块筛选结合起来,构建了人脸检测实验系统,并用自制的人脸图像数据库在该系统下进行了一系列的实验统计。-Color frontal face images under complex background, skin color segmentation, template matching candidates face image block screening combined to build a face detect
数字图像处理实验
- 1.MATLAB的基本应用方法。 2.MATLAB空间变换--图像插值、缩放、旋转、剪切。 3.MATLAB相邻区和块的处理-滑动窗和图像块操作。
Image-Super-Resolution-Algorithms
- 前基于图像块稀疏表示的超分辨率重构算法对所有图像块都用同一字典表示，不能反映不同类型图 像块问的筹别．针对这一缺点，本文提出基于图像块分类稀疏表示的方法．该方法先利用图像局部特征将图像块分为 平滑、边缘和不规则结构三种类型，其中边缘块细分为多个方向．然后利用稀疏表示方法对边缘和不规则结构块分别 训练各自对应的低分辨率和-岛分辨率字典．重构时对平滑块利用简单双三次插值方法，边缘和不规则结构块由其对应 的高、低分辨率字典通过正交匹配追踪箅法重构．实验结果表明，与单字典稀疏表示算法相比
Nonlocal-Means
- 改进的非局部均值去噪，采用均值和方差选择相似的图像块。-Improved non-local means denoising, using the mean and variance of the to similar images.
高性能计算自选题目实验报告
- 对于一副图像，比如8000*5333分辨率，我们在处理时，通常思路是从第1个像素开始，一直计算到最后一个像素。其实，目前不论手机还是个人电脑，处理器都是多核。那么完全可以将整副图像分成若干块，比如cpu为4核处理器，那么可以分成4块，每块图像大小为2000*5333，这样程序可以创建4个线程，每个处理器执行一个线程，每个线程处理一个图像块。虽然这样操作后，运算速度不会显著提升4倍，因为线程创建、释放、上下文切换都要耗些时间。但运算速度还是将明显提升，一般4核 vs 1核，运算时间将降低一半。(F