搜索资源列表
K-L变换类
- KL变换是图像处理的常规算法，文件里四该变换的类-KL transform is the conventional image processing algorithms, the paper four categories Transform
pcaklm
- 图像处理领域最新的K-L变换后求主成分的程序。matlab文件。-image processing latest K-L transform PCA for the procedure. Matlab document.
face123[matlab]
- 在本设计中源于将图像看作随机场的实例,同时从信号处理的观点出发，对图像进行统计描述。通过K-L变换降低人脸特征的维数，提取人脸图像的代数特征，并排序。这样，利用代数特征的比较，可从人脸库中识别一幅人脸。-in the design of the images from the airport as with the examples, from the viewpoint of signal processing, right image descr iptive statistics. Thr
Edgedetection
- 在matlab环境下，结合c语言，给出了常用三种图像处理的代码：灰度图像边缘检测，K-L变换，图像的统计直方图。
KLtransform
- 在数字图像处理中，用kl变换对特征值提取与选择-In digital image processing, using kl transform eigenvalue extraction and selection
sharpen
- 数字图像处理中的平滑和锐化（边缘检测）。包括1、添加椒盐、高斯噪声。2对噪声污染的图像分别使用邻域平均法、中值滤波法、K邻近平均法进行平滑。3对一幅图像利用Roberts梯度法、Sobel算子和拉普拉斯算子进行锐化，并比较结果。附处理源图像和处理结果截图。 -Digital image processing smoothing and sharpening (edge detection). Including 1, add salt and pepper, Gaussian noise.
Ch13
- K-l变换与奇异值基础的图像处理编程基础，及相关的源码,是相关学习人员不可缺少的理论资料！-Kl transform and singular value-based programming-based image processing, and related source code, is relevant to study the theory of indispensable information on staff!
face-recognition----matlab
- 实现了人脸识别的功能，特征提取，人脸图像预处理、K-L变换、特征提取及分类器设计，全自动的人脸自动识别系统-Face recognition, feature extraction, face image preprocessing, KL transform, feature extraction and classifier design, automatic automatic face recognition system
visualCSharp.NET-programming-experiement
- 《数字图像处理:Visual C#.NET编程与实验》除绪论介绍Visual C#.NET编程基础外，其余15章对应地编程实现了配套书《数字图像处理——原理与算法》中除K-L变换外的所有算法并进行相应的实验。随书光盘中有完整的程序代码和相应的实验图像，可直接运行。部分程序源代码来自于作者的科学研究和与公司的合作研发，具有借鉴和参考价值。可供电子信息、通信、计算机、自动控制、生物医学等理工科相关专业的大专、大学本科和研究生及工程技术人员学习和参考。 -" Digital Image Pro
KLtrans
- K-L变换很好的东西,用于去相关性，图像预处理，主成分分析等-K-L Transfer
ColorConst
- K-L 变换处理用于对图像进行平面拟合等处理应用-K-L translation for using the fitted plane in the image
PCA_ORL
- 人脸识别技术作为生物体特征识别技术的重要组成部分，在近些年来已经发展成为计算机视觉和模式识别领域的研究热点。本实验是基于K-L变换的主成分分析法（PCA）在人脸识别中的应用，在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真，并对样本图像进行了重构。本实验在ORL人脸库的基础上，选用每人前5张图片，共计40人200幅样本图像，通过快速PCA算法将10304维的样本特征向量降至20维，并实现了基于主分量的人脸重建，验证了PCA算法在高维数据降维处理与特征提取方面的有效性。-Fac
matlab LianXi
- 有时候我们所获取的图像需进行处理，线性变换也是一种方法，根据公示L' = k├ ( (L-Lmin)/(Lmax-Lmin)┤ )^r，指数γ确定图像的平均亮度如何相对于其他像素而改变。 对于r= 1，所有像素将被均匀地缩放，而对于r> 1，平均亮度将相对较暗，而对于r<1，它将相对较轻(The exponent r determines how the mean luminance of the image will change relative to other pixels.
NDIHJH
- 使用基于K-L变换的特征选择方法,使原本4维的特征向量降至3维()
bin
- 对图像进行频谱分析，已达到不同目的的图像下一步处理。(to confirm fft sdkadjlaskjd l lajsdkjal jlk jlk jlasjd k)