搜索资源列表
watermark.m
- %基于DCT的水印算法 %数字水印处理系统主要由水印嵌入和水印检测两个过程。 %水印嵌入过程为:数字水印(X)、原图像(I)和密钥/公钥(K)通过数字水印嵌入算法形成嵌入水印后的图像(I*)。 %水印检测过程为:数字水印(X)、水印图像(I*)和密钥/公钥(K)通过数字水印检测算法检测出数字水印或有无水印。 %基于DCT变换的水印算法:将一个随机序列作为水印信号嵌入到图像DCT变换重要分量的幅度成分中(幅值较大的n个系数作为重要分量)。 %定义一个相似函数来检验水印提取是否成
LMS-C
- LMS滤波器示例程序,在TURBOC中运行 这是一个简单的可图形显示的C程序 输入信号是一个被噪声污染了的sin信号。 */ /* 运行后,屏幕的上方是输入信号,下方是经过LMS滤波后的输出信号
ART
- 用ART神经网络对输入的汉字进行识别分类,对已经记忆的字母以及相近的含噪声字母能正确识别;对新的字母以及噪声太大的字母能自动将其归为新类并进行记忆。
Hopfield
- 利用Hopfield网络的联想矩阵对包含噪声的0~9十个数字图象进行联想识别。
KPMtools
- Matlab工具包补充算发,包括各种噪声代码及滤波倒向Smoother代码等
ohspeci
- 一种间接的估计信号的1.5维谱的方法,1.5维谱可以有效的抑制高斯噪声,加强低频分量。
lvbo
- 滤波一般用于消除图像中的随机噪声,故下面的程序先添加典型噪声,再进行各种滤波处理:均值滤波、中值滤波、最小值滤波、最大值滤波。
jiazao
- 程序先添加典型噪声,再进行维纳滤波进行恢复.进行维纳滤波后,图形效果明显改善。wiener2函数和deconvwnr函数都能够完成维纳滤波的功能,deconvwnr强调图象复原方面,wiener2强调图象空间域锐化的作用
datarecognization
- 能实现灰度图像中数字的识别:包括256转灰度图像,二值化,梯度锐化,去离散噪声,整体倾斜调整,字符分割,尺寸标准归一化,紧缩重排,神经网络识别等。
Gauss
- 对图像进行高斯虑波,可以减少图像中的噪声,。并带有图片,以便检验
Canny
- 对图象进行边缘检测。首先对图像进行高斯虑波,减少噪声的干扰,然后求图像的梯度,进行非最大值抑制
denoise1
- 领域滤波算法降噪源码,输入输出的是.bin格式的源文件,也可以把后缀去掉,总之就是裸数据,float型的。可以有效抑制图像噪声
denoise0
- 有效抑制噪声的算法,通过图像自身的荣誉信息,设定不同的权值,把灰度在所求像素灰度附近的像素灰度进行加权平均。
qam-sim
- QaM在加性高斯白噪声下的系统仿真模型,使用的是simulink
imageprocessing2
- 1.灰度变换:选择一幅对比度不足的图像,对该图像进行灰度变换,增强对比度,显示增强前、后的图像以及它们的灰度直方图。 2.直方图均衡:选择一幅灰度直方图不均匀的图像,对该图像进行直方图均衡处理,显示处理前、后的图像以及它们的灰度直方图。 3.选择一幅边缘较模糊的图像,利用高通滤波器(选择或自己设计)对该图像进行边缘增强,观察增强的效果。 4.选择一幅图像,叠加零均值高斯噪声,分别利用低通滤波器、维纳滤波器和中值滤波器对该有噪图像进行滤波,显示滤波后的图 像,比较各滤波器的滤波效果
imageprocessing5
- 1.选择3种边缘检测算子对一幅图像进行边缘检测,显示检测结果,对检测结果进行比较分析。 2.对混有高斯噪声的图像进行边缘处理,比较各边缘检测算子对噪声的敏感性。
qpsk
- 这些压缩文件里面包含了QPSK信号在瑞利信道和加性白高斯噪声信道中的仿真等
duffing
- duffing 算子,检测噪声和分离噪声
satlink
- 卫星链路的计算,包括上下性链路噪声,互调噪声,可计算误码率
multiscaledbased
- 第一:边界加强,通过估计噪声和实际信号的比值,来确定各个尺度的细节系数,以达到噪声抑制和边界加强。第二,通过对小波分解的近似部分进行直方图均衡,达到加大整幅图片的对比度,而不太影响细节的目的。