搜索资源列表
watermarkt1
- 基于小波零树特性的视觉感知度模型的优化方案, 给出了两种水印算法: 一种算法嵌入的是高斯序列水印, 通过相关检测实现盲检测 另一种算法嵌入的是二值图像水印, 水印的提取是非盲提取。这两种算法在所有重要小波系数( 包括最低频系数) 中嵌入水印, 以达到最大化水印嵌入量的目的, 并结合感知度模型在水印的透明性和鲁棒性之间实现了较好的平衡, 对于常见的图像处理操作, 特别是对于JPEG 和小波压缩均有较好的鲁棒性。-based on wavelet zerotree visual perception
wavelete
- 一种基于小波变换的图像编码算法采用整数平方阈值下的零树编码
sift4
- :提出一种基于尺度不变特征变换(SIFT)特征匹配的目标跟踪方法.首先使用SIFT提取目标特征,构 建目标特征库,然后使用基于K维树的特征匹配算法,对实时序列图像提取的SIFT特征与特征库中目标进行精确匹配 -: Based on Scale Invariant Feature Transform (SIFT) feature matching target tracking. The first to use SIFT target feature extraction, featur
target-detection-algorithm-
- 为克服传统目标识别方法在处理空间特征分布极为复杂的数据时的缺点，提出1 种基于决策树的多特征检测算法，并将其应用到基于视频的海上搜救目标检测中. 该算法首先提取图像中的颜色、亮度等信息，通过计算各特征的信息增益建立决策树，将搜救目标检测问题分解成3 层决策树分类问题. 实验表明，该算法能够提高多特征目标检测的效率，在救生艇、筏等海上搜救目标检测的应用中取得较好的结果.-Characteristics to overcome the traditional target recognition m
JPEG-2000-
- 本文所做的主要工作为：研究了JPEG2000标准的原理和基本框架，对JPEG 2000标准的核心—小波变换压缩技术进行了分析研究，概要的介绍了小波理论。对EZW算法进行了详细分析和描述，包括零树的含义、结构及其扫描方法。并应用Matlab图像处理工具箱和小波分析工具箱对图像小波变换处理，并通过接口工具Mex实现在Matlab环境下对C程序EZW编码的调用，实现了应用零树小波编码算法对图像的压缩处理，简单地实现了对JPEG 2000的仿真。-The main work that this text
sichashu
- 四叉树图像显示，用M码。显示十进制八进制的值-Quadtree image display, with M code. Display decimal octal value
CZ
- 基于零树和位平面的小波图像压缩算法的一篇很有用的文章-Zero-based tree and bit plane of wavelet image compression algorithm a very useful article
fast-image-retrieval
- 基于视觉单词树的快速图像检索，fast iamge retrieval through vocabulary tree.-Based on visual word tree fast image retrieval, fast iamge retrieval through vocabulary tree.
classical-algorithm
- 关于经典算法的思考与总结。涵盖KMP.遗传.启发式搜索.图像 特征提取 SIFT.傅立叶变换.Hash.快速排序.SPFA.快递选择 SELECT A*.Dijkstra.DP.BFS/DFS.红黑树等 15 个经典基础算法， 共计 31 篇文章，包括算法理论的研究与阐述，及其编程的具体实现。很多个算法都后续写 了续集-Thinking about the classical algorithm and summary. Covering the KMP. Genetic heuri
w
- 基于小波零树图像压缩编码的MATLAB程序代码-EZW-based image compression coding algorithm code
信号处理经典算法
- 15个信号处理经典算法模型及代码实现,涵盖 Dijkstra.DP.BFS/DFS.红黑树.KMP.遗传.启发式搜索.图像 特征提取 SIFT.傅立叶变换.Hash.快速排序.SPFA.快递选择 SELECT 等 15 个经典基础算法，
opencv-doc
- 图像数据操作（内存分配与释放，图像复制、设定和转换） 图像/视频的输入输出（支持文件或摄像头的输入，图像/视频文件的输出） 矩阵/向量数据操作及线性代数运算（矩阵乘积、矩阵方程求解、特征值、奇异值分解） 支持多种动态数据结构（链表、队列、数据集、树、图） 基本图像处理（去噪、边缘检测、角点检测、采样与插值、色彩变换、形态学处理、直方图、图像金字塔结构） 结构分析（连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化）
关于人工智能在数据质量管理中的应用
- 说实在的，这个概念有些过于高大上，从大的方面包括、、强化学习等等，而深度学习又包括图像识别、语音识别、自然语言处理、预测分析;机器学习则包括监督学习、无监督学习、半监督学习，监督学习又细分为回归、分类、决策树等等。理论上人工智能什么都能做，什么都能迎合的上。