搜索资源列表
TankFighting
- 坦克大战小游戏 控制说明: 玩家1相关控制: A/W/S/D:控制方向 F:开火 1 :玩家1复活 玩家2相关控制: UP/LEFT/RIGHT/DOWN:控制方向 0 :开火 2 :玩家2复活 ESC:返回Menu ENTER:任务完成/失败后的确认按键 功能说明: 将敌方坦克消灭完则任务完成,进入下一关,每过1关,障碍物减少1个,电脑 坦克总数增加5辆,一次出现最多的电脑
Tliffting__97h
- 本程序源码实现任意偶数大小图像第二代双正交97提升小波变换注1： 使用标准正交方法，对行列使用不同矩阵（与matlab里不同）注2： 为了保证正交，全部边界处理，全部使用循环处理注3： 正交性验验证，将单位位阵带入函数，输出仍是单位阵（matlab不具有此性质）注4： 此程序源码是矩阵实现，所以图像水平分量与垂直分量估计被交换位置注5： 此程序源码实现的是类小波（wavelet 可直接使 -The program source code to achieve any even size im
image-enhancement
- 下载并读入被噪音污染的Noisychurch图像数据，用Matlab 编程采用下述方法分 别实现该图像的增强操作： 1） 用空域法实现图像的增强，分别采用如下模板操作：2x2 和3x3 的幅值为1 的模板，比较去噪和模糊的折中效果；采用3x3 的中值滤波器进行去噪操作； 采用Laplacian 模板[0 -1 0 -1 5 -1 0 -1 0]进行锐化操作。 2） 用频域法实现该图像的低通和高通滤波，选择合适的截止频率。 3） 用小波分析法实现该图像的低通和
Wavelet_IRLS
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为ILRS算法，对256*256的lena图处理，比较原图和IRLS算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间-Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
Wavelet_OMP
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为OMP算法，对256*256的lena图处理，比较原图和OMP算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
Wavelet_SP
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为SP算法，对256*256的lena图处理，比较原图和SP算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间-Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix and
Wavelet_ROMP
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为ROMP算法，对256*256的lena图处理，比较原图和ROMP算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matr
Wavelet_SL0
- 压缩感知CS——采用小波变换进行稀疏表示，高斯随机矩阵为观测矩阵，重构算法为SL0算法，对256*256的lena图处理，比较原图和SL0算法在不同采样比例(0.74、0.5、0.3)下的重构效果，并各运行50次，比较算法性能PSNR和每次的运行时间 -Compressed sensing CS- using wavelet transform as sparse representation, Gaussian random matrix as the observation matrix
jiandantishengxiaobo
- 简单实现了一下提升小波变换。包括Haar，（1，1），5/3，9/7 提升结构-Simple implementation of lifting wavelet transform. Including Haar, (1,1), 5/3, 9/7 Lifting
MATLAB_source_code
- 附件里含有以下《MATLAB图像处理实例详解》 程序： 第2章：MATLAB基础 第3章：MATLAB图像处理基础 第4章：数字图像的运算 第5章：图像增强技术 第6章：图像复原技术 第7章：图像分割技术 第8章：图像变换技术 第9章：彩色图像处理 第10章：图像压缩编码 第11章：图像特征分析 第12章：形态学图像处理 第13章：小波在图像处理中的应用 第14章：基于SIMULINK的视频和图像处理 第15章：图像处理的MATLAB实例-
01
- 1.1 MATLAB软件介绍 1.1.1 MATLAB发展进程 1.1.2 MATLAB的基本功能 1.1.3 MATLAB语言的特点 1.1.4 MATLAB R2011a的新功能 1.2 MATLAB安装与运行 1.3 MATLAB的运行环境 1.3.1 命令窗口 1.3.2 历史命令窗口 1.3.3 工作空间 1.3.4 当前文件夹 1.4 MATLAB帮助文档 1.4.1 帮助窗口 1.4.2 帮助命令 1.5 变量 1.6 矩
tuxiangzenqiang
- 13.1 灰度变换增强 13.1.1 像素值及其统计特性 13.1.2 直方图灰度变换 13.1.3 直方图均衡化 13.1.4 直方图规定化 13.2 空域滤波增强 13.2.1 平滑滤波器 13.2.2 锐化滤波器 13.3 频域增强 13.3.1 低通滤波器 13.3.2 高通滤波器 13.3.3 同态滤波器 13.3.4 频域增强 MATLAB 实例 13.4 色彩增强 13.4.1 真彩色增强 13.4.2 伪彩色增强 13.5 小波增强-13.1 13.1.1 pixel gray-
test2
- 详细说明：给定小波母函数ψ(x)=(2/√3 π^(-1/4) )(1-x^2)e^(-x^2/2)（有效支撑为[-5,5]）和信号f（t） （400个数据, 采样间隔为0.03） 要求做连续小波变换，变换结果以图像形式给出（尺度－位移），说明并在图像上标出信号有哪几个成分 -Given mother wavelet function ψ (x) = (2/√ π ^ (-1/4)) (1-x ^ 2) e ^ (-x ^ 2/2) (effective support [-5,5 ]) and
xiaobo
- 小波压缩 用小波函数haar对信号进行3/5层分解 获取信号压缩的阀值 对信号进行压缩-Wavelet compression
5A-wavelet-filter-
- 5小波滤波器增强方案快速积分B-wavelet变换和锥体multi-B小波算法。应用与计算谐波分析_nelson_acha 18(3)234 - 251 234-5 A wavelet filter enhancement scheme with a fast integral B-wavelet transform and pyramidal multi-B wavelet algorithm . Applied & Computational Harmonic Analysis 18(3)
Simple-Image-Processing-System
- 1、能对图像文件（bmp、 jpg、 tiff、 gif等）进行打开、保存、另存、打印、退出等功能操作； 2、数字图像的统计信息功能：包括直方图的统计及绘制、区域图的面积、周长的统计、线条图中的距离测量等； 3、数字图像的增强处理功能： （1）空域中的点运算、直方图的均衡化、各种空间域平滑算法（如局部平滑滤波法、中值滤波等）、锐化算法（如梯度锐化法、高通滤波等） （2）频域的各种增强方法：频域平滑、频域锐化、低通滤波、同态滤波等。 （3）色彩增强：伪彩色增强、真彩色增强等
pudn_Renj_matlab
- 1)football.m简单地以阵列形式显示一副图； 2）pre.m是心音信号过滤归一化预处理的过程； 3）wavlet.m是用db6小波进行信号的分解和重构，且求包络能量函数； 4）path.m是利用KKT条件的路径跟踪法，用于求解二次规划问题； 5）LRmmse是MIMO通信中常用检测方法，结合了最小均方误差准则和格基规约的知识。-1) football.m simply displays a graph in an array 2) pre.m is the proc
arofile-persistence
- SPIHT算法VC实现,涉及5-3整数小波变换提升算法实现,()
nriversefragmentation
- SPIHT算法VC实现,涉及5-3整数小波变换提升算法实现,()
MRMRF simple
- 基于MRF图形的小波与分解 获取最粗尺度上的初始分割。使用EM算法必须有一个初值，因此我们首先使用K-均值聚类算法获取尺度J-1上的初始分割结果。 2.E步骤。使用MPL方法GMRF模型参数。 3.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 4.尺度内迭代。重复2和3知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 5.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复4，