搜索资源列表
02
- 该文提出了一种在基于离散采弦变换(DCT，Discrete Coslne‘nansform)压缩域进行纹理图 像分类的方法．此方法主要利用了DCT域能量具有方向性的特电，直接在辩程长编码(RLE，Rlm I。ength E眦ollⅢg)形成的码流中根据这种方向性来提取、组织特征矢址，对纹理图像进行分粪．此方法只需对压缩 【封像世行简单的Hu圩maⅡ解码．要处理的数据量较少，处理速度快实验结果表明．这种分类方法具有较高 的准确性．-This paper presents a str
TextDetection
- 对一幅图像做DCT变换后在压缩域检测图像中的字符。因为字符有横向、竖像、斜向的纹理结构，在压缩域表现为三个方向的能量比较高，根据这个特点可以提取字符。-Done on an image in the compressed DCT-domain detection after characters in the image. Because the characters have horizontal, vertical, like, oblique texture, in the compres
line-seaming
- 采用 recursive function实现 计算图片能量最小的路径，用词，可以做损失不大的图像缩小-find the minimumn line in the image, could delete it to change the dimension of image
paper5
- 改进拉普拉斯能量和的尖锐频率局部化Contourlet 域多聚焦图像融合方法-Sum-modified-Laplacian-based Multifocus Image Fusion Method in Sharp Frequency Localized Contourlet Transform Domain
image
- DCT变换的特点是变换后图像大部分能量集中在左上角，因为左上放映原图像低频部分数据，右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。-The characteristics of the DCT transform is transform image on most of the energy in the top left corner, because the upper left original image data show the low frequency part,
6
- 同时读入多幅图像的灰度共生矩阵的特征值，如对比度，相关性，能量和一致性等。-At the same time more than read of the image graylevel co-occurrence matrix eigenvalues, such as contrast, correlation, energy and consistency, etc
Image-Segmentation-Method
- 本文主要研究基于水平集方法的活动轮廓模型图像分割，在回顾活动轮廓模 型发展的基础上，介绍了曲线演化理论及其水平集方法，证明了水平集方法可以 有稳定的数值实现方式且其处理拓扑变化的自然性，进一步引出了变分水平集方 法。 本文介绍了两种不同的几何活动轮廓模型：基于梯度信息的李纯明模型以及 基于区域信息的 Chan-Vese 模型（C-V 模型）。在分析上述两模型的优缺点上，提 出了一种改进的 C-V 模型，改进模型引入了距离约束项，同时对基于区域的外部 能量项进行了改进，
nengliangzhizuida
- 能量最大值，在图像融合里面经典算子，通过它确定融合后的信息量多少-the max energy value
chip_histogram_features
- 此函数可以提取图像的均值、方差、偏度、峰度、能量和熵等特征值, 在图像处理和识别方面比较有用-This function can extract the images mean, variance, skewness, kurtosis, and other characteristics of the energy and entropy values , image processing and recognition in the more useful aspe
DIDB
- 读入图像，根据图像的灰度信息，判读目标的能量特性-According to grey information of IR IMAGE,We obtain enenge information
Ggabor_svvma
- 采用Gabor_Palm函数提取掌纹图像的能量特征，并将得到的结果果分块，分别计算每块的均值和方差作为特征向量。特征向量的长度为160. -Gabor_Palm function using the energy extracted palmprint image features, and will be the result of ssub-blocks, each block were calculated the mean and variance as the feature ve
energe-minimization-graph-cuts
- 基于能量最小化的图像分割方法，graph cut-graph cut
graycopropswy
- 利用灰度共生矩阵提取SAR图像纹理特征，可提取：熵‘对比度、同质性、能量等特征。-GLCM to extract SAR image texture features can be extracted: entropy ' contrast, homogeneity, energy and other features.
Inpainting-by-TV-Stokes
- 讨论使用TV—Stokes方程进行图像修复，通过把等照度线方向传输进入修复区域，用能量最小化模型和零散度条件，获得一个非线性的Stokes方程。一旦构造了等照度线，图像就以等照度线方向修复。-This paper discusses the impainting method using TV —Stokes equations．The isophote directions are propagated into the inpainting domain． An energy minimiz
Multi-sensor-image-fusion-algorithm-
- 一种邻域一致性的NSCT域多传感器图像融合算法，针对同一场景多传感器图像融合问题，提出了一种基于邻域特性的非采样Contourlet变换域融 合新算法．首先对待融合图像进行非采样Contourlet变换分解，由邻域平均能量与方差构造各点的能量 方差决策值，基于决策值最大原则选择低频子带系数，从而在保持图像亮度的同时融合更多的边缘细 节；基于邻域能量最大原则选择带通方向子带系数，以保留更多的边缘．最后反变换得到融合图像．-Multi—sensor image fusion algori
txhw3_wx2
- 计算医学图像基于灰度共生矩阵的9个纹理测度，包括能量，惯量，熵等-To calculate medical image 9 based on GLCM texture measures, including energy, inertia, entropy, etc.
LBF
- ：LBF 模型是一个著名的基于区域的活动轮廓模型。与PC（Piecewise Constant）模型不同，该模型引入了一个以高斯函数为 核函数的局部二值拟合（Local Binary Fitting，LBF）能量。因为LBF 能量能够获取图像的局部信息，所以LBF 模型解决了PC 模型 不能处理灰度不均一图像的分割问题。提出了一个改进的LBF 模型，它使用一个新的核函数代替高斯核函数-: LBF model is a well-known region-based active cont
Matlab
- 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如：大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域
Active-Contour-Models-
- 传统Snake 模型存在的缺点是, 其初始轮廓必须靠近图像中感兴趣目标的真实边缘,否则会得到错误结 果,且由于Snake 模型的非凸性,结果不能进入感兴趣目标的深凹部分,很容易陷入局部极小点. 由此该文提出一 种基于力场分析的主动轮廓模型,详细分析了基于欧氏距离变换的距离势能力场分布,归纳出感兴趣目标上真轮 廓点与假轮廓点的判别标准. 建立了由曲线能量到最终结果的有效方法,避免了Snake 陷入局部极小点. 实验结果 表明,该模型具有较大的捕获区域,能够进入感兴趣目标的深凹部分
level-set
- 水平集方法的诞生有效解决了以前算法不能解决的在曲线演化过程中的拓扑变化问题，其核心是利用水平集这一数学理论来对能量函数进行极小值求解的曲线演化过程，通过求解极小值最终获取目标轮廓从而达到图像分割的目的 为了解决不同应用领域的图像处理问题，各种相应的基于水平集方法的图像分割算法已被提出，大量的研究者仍在不断地改进和提高这些算法的效率和有效性.对现有的用于部分图像分割的水平集方法进行了综述，主要介绍传统水平集方法无重新初始化水平集方法连续水平集方法以及最近相关的改进方法，并简要讨论了各种方法的优缺点