搜索资源列表
shan
- 利用离散小波变换和奇异值分解来检测图象的区域复制伪造
SVD
- 线性方程的解法,实现对运动目标的检测,针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)-Linear equations, to achieve the detection of moving targets, in view of the weak target detection in visible light images in the background suppression and de-noi
DCT_SVD
- 本文提出一种在原始视频DCT(离散余弦变换)与SVD(奇异值分解)域自适应嵌入水印的算法。算法首先将视频流分割成一个个场景,场景中的视频图像被变换到DCT-SVD域中,水印量化嵌入在最大奇异上,实现了水印盲检测。同时实验证明该算法在满足透明性要求下也满足一定的鲁棒性要求,能够抵抗低通滤波、中值滤波、椒盐噪声、高斯噪声、H.264压缩攻击以及统计攻击和帧剪切等攻击。-This paper presents an original video in the DCT (Discrete Cosine
re
- 基于图像纹理复杂度和奇异值分解的重采样检测 基于图像纹理复杂度和奇异值分解的重采样检测-Based on image texture complexity and singular value decomposition of resampling detection is based on image texture complexity and singular value decomposition of resampling detection
steromatch
- 这是一个基于图像角点检测并结合奇异值分解实现立体图像中角点匹配的算法。-This is an image corner detection based on singular value decomposition in combination to achieve three-dimensional image corner point matching algorithm.
CodesaImages
- 用于指纹检测等，利用图像的梯度方向，获得局部主导方向。Principal Component Analysis （PCA），包含有高斯金字塔分层，SVD奇异值分解，内含测试图像-Used for fingerprint detection, etc. Using the gradient direction of image to get local leading direction. Principal Component Analysis (PCA), contains a gaussi
61
- 提出了一种结合SVD的小波变换方法，对其在外弹道测量数据中的野值剔除进行了研究。对观测数据进行小波分解，将小波分解后的近似分量和细节分量组合实现相空间重构，作为SVD方法的输入观测矩阵，根据奇异 熵增量准则，对奇异值进行筛选，根据SVD逆变换重构原信号。这一方法克服了Hankel矩阵相空间构建方法数据 端点失真问题。以小波分解后分量重构的相空间可以满足正交性，进一步提高了SVD进行数据降噪和野值检测的精度。仿真数据和试验数据处理结果证明了这一方法的有效性。-Proposed a meth
113
- 介绍了小波二进制变换的基本原理 , 简述了小波变换奇异性和信号突变的关系。 基于小波变换, 给出一种结合3R 准则、 软硬阈值折衷法的奇 异信号小波检测方 法。仿真结果表明此法 既能有效地消除噪 声, 又能较好 保留奇异信号-This paper introduces the basic principle of binary wavelet transform, signal singularity and wavelet transform are briefly discussed the
SVD-for-singular-point
- 类似于小波变换，使用奇异值分解理论检测信号的奇异点。-Similar to the wavelet transform, using the singular value decomposition theory of singularity detection signal.
SVD
- 用于解决视频质量诊断系统里的模糊检测模块，使用的是图像的奇异值特征，获取先验值后检测效果还不错-Video quality diagnostic systems used to solve in the blur detection module, using singular value feature of the image, after obtaining a priori value detection results were good
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）
xb
- 使用小波变换中的db5进行突变信号奇异值检测的简单程序-Wavelet transform the db5 mutation detection signal singular values simple program
Watermark
- 基于奇异值分解的水印检测算法，代码简单，容易，运行速度快。-Watermarking detection algorithm based on singular value decomposition, the code is simple, easy and fast.
SVDaAPES
- 基于奇异值分解滤波与APES算法的异步电动机转子故障检测-Based on singular value decomposition filtering and APES algorithm of asynchronous motor rotor fault detection
waveletprogram
- 采用小波奇异点检测方法寻找光谱谱峰位置，用来确定光谱中谱峰位置，峰高，峰宽等相关等信息。(locate spectral peaks in the spectrum by a wavelet singularity detection method)
fast-rcnn-master
- Fast R-CNN是在R-CNN的基础上进行的改进，大致框架是一致的。总体而言，Fast R-CNN相对于R-CNN而言，主要提出了三个改进策略： 1. 提出了RoIPooling，避免了对提取的region proposals进行缩放到224x224，然后经过pre-trained CNN进行检测的步骤，加速了整个网络的learning与inference过程，这个是巨大的改进，并且RoIPooling是可导的，因此使得整个网络可以实现end-to-end learning，这个可以认为是
K_SVD和OMP算法在超声信号去噪中的应用
- 针对在线采集时超声波检测信号中存在大量噪声，降低了材料内部缺陷诊断准确性的问题，提出了一种基于广义Ｋ－奇异值分解算法（Ｋ－ＳＶＤ）和正交匹配追踪算法（ＯＭＰ）相结合的超声回波信号去噪算法。
自适应差分阈值
- 应用于心电信号的滤波处理以及R波的检测，使用了自适应差分阈值法检测心电信号奇异点