搜索资源列表
tianjia
- 如何在图像中加入某一固定snr的噪声？分类:matlab与图像处理 在利用matlab做一些自己算法的抗噪分析中，常常会遇到这个问题，matlab中的加噪函数是imnoise，里面的参数是噪声的均值，方差（高斯噪声）或者是感染概率（椒盐噪声），参数不能是snr值，但是很多国外的文章的噪声分析中都是用snr值来衡量加入噪声的程度的-how the image to a fixed snr noise? Categories : Matlab and image processing using
leijian
- 类间方差阈值分割是在判决分析最小二乘法y原理基础上得出的，其算法比较简单，是一种可行的阈值选取方法
图像压缩常用方法
- 主成份分析 图像压缩常用方法，压缩包中包含两种方式，协方差矩阵方法和在线方法。,PCA common method of img compression
Texture-features
- matlab编写的用于实现灰度共生矩阵，灰度-梯度共生矩阵，灰度直方图，协方差系数，LOG滤波器的源代码了。全部经过测试，可以直接使用。对于做纹理分析很有帮助。一共有五个代码-matlab prepared for the realization of Gray Level Co-occurrence matrix, gray- gradient co-occurrence matrix, gray histogram, covariance coefficients, LOG source c
finger3
- 判断分析法从图象灰度直方图中把灰度值的集合用阀值 T分成两类，然后根据两个类的均值方差(类间方差)和各类的方差(类内方差)的比为最大来确定阀值。-Analysis to determine from the image histogram of the gray value threshold with the set T into two categories, and then based on two types of mean-variance (between-class varian
8psk
- 1、 产生等概率且相互独立的二进制序列，画出波形； 2、产生均值为0，方差为1的加性高斯随机噪声； 3、进行8PSK调制，画出波形； 4、进行蒙特卡罗分析； 5、解调8PSK，画出眼图。-1、Produce equal probability and independent of each other binary sequence, draw waveform 2、Generate mean 0, variance 1 of the additive Gaussian ra
ASM_version1b
- ASM是由Cootes和泰勒推出的多分辨率方法的一个例子。 基本思想： 在ASM模型训练，训练从手工绘制的图像轮廓。发现的ASM模型在训练使用主成分分析（PCA），使该模型自动识别数据的主要变化是，如果可能的轮廓/好的对象的轮廓。还包含了ASM模型的协方差矩阵描述行垂直纹理口岸时，在正确的位置。 -Descr iption This is an example of the basic Active Shape Model (ASM) as introduced by Coot
NSCT
- 1．分析研究了基于内容的图像检索系统的工作原理，关键技术如：纹 理、形状等图像底层特征的描述方法， 图像间的相似性度量方法， 图像库索引机制等。 2．研究了基于纹理特征的图像检索方法，并提出了一种基于NSCT 变 换的纹理特征提取方法。通过对SAR 图像及相关图像进行NSCT 分解，计算不同尺度不同方向上的系数幅度序列的均值，标准方差 和三阶中心矩，以此构成特征向量来描述图像的纹理。实验证明本 文提出的采用NSCT 算法有较好的特征提取效果，引入三阶中心矩 作为特
Tracking
- 该技术用修正的最大类间方差法分割亚图像,聚类并去除强背景干扰区域,对可能目标区域能量进行统计,选 择区域能量最大者进行逐帧实时锁定跟踪,并对该技术的实时性进行了分析。 - The image is segmented and fallen into two classes by the modifiedmethod of maximal variance of classes, then regions with intense background interference are
WPMQR
- 修正书中位平面信息隐藏算法的程序。源代码见WPMQR文件夹 使用均方差和均方根误差对图像进行实验分析。 -Hidden algorithm ,Hidden algorithm ,Hidden algorithm ,Hidden algorithm .Hidden algorithm Hidden algorithm Hidden algorithm Hidden algorithm Hidden algorithm
imgprocCGsignalproc
- BMP图像处理程序，包括模拟信道产生的高斯加性噪声；图像灰度变换；图像的拉普拉斯边缘提取；中点滤波法的debluring；图像线性模糊。 图形显示函数，包括DDA方法画直线；中点裁剪法；liang-barsky算法的窗口裁剪；种子填充算法； 随机信号处理程序，包括产生正态分布、均匀分布样本；计算其均值与方差；各样本的概率分布直方图分析；功率谱分析；样本叠加的PSD分布分析。-BMP image processing procedures, including analog channel
huiseyucecancha
- 灰色预测可画图和做残差，方差分析 自己编出来的。证明可以实现-gray prediction 。have the rmse and plot
html
- 小波分析 小波降噪 噪声方差分析实际应用例子-Wavelet analysis Wavelet Noise Reduction Noise analysis of variance example of practical application
second-gray-image-statistics-and-FFT
- 采集一幅像素大于64*64黑白图像； 常规的数学统计数据处理：计算图象各象素点灰度值得均值、标准差、方差，并绘出灰度直方图； 采用[FFT（傅立叶变换）]对图像进行分析-Acquisition of a pixel is greater than 64* 64 black and white images The conventional mathematical statistical data processing: calculation of each pixel gray
Fisher
- Fisher判别的基本思想是将k$个总体的所有$维空间的样本点投影到一维空间上，使投影后组与组之间尽可能的分开，然后利用方差分析的方法推出判别函数。为了简单起见，通常利用线性的判别函数。-The basic idea of Fisher discriminant is k $ total $ dimensional space sample point projection to the one-dimensional space, so that the projection between
Edge-image-registration
- 图像配准是多传感器图像融合研究中的一项关键技术。多传感器图像特别是波段相距较远的相 关性较小的图像，要实现图像配准存在很大的困难。对于能够用仿射变换模型来描述的图像，图像之间比较 明显的特征是各个物体之间的边缘．该文研究利用小波变换的方法提取图像的边缘，并对边缘图像作交互方 差分析，搜索出最佳交互方差的配准参数。通过对SPOT和TM图像的处理，达到了精度较高的配准效 果．-Image registration is a key technology in the study o
kalman
- matlab的一个卡尔曼滤波的例子，包括估计预测和方差分析-an example of kalman in matlab
TwoImageMatch
- 采用协方差的方式计算相关系数，分析图片的相似性，然后对图像进行匹配-The covariance of the way of calculating the correlation coefficient, and analyze the image similarity, and then to do image matching
image-registration-
- 该文研究利用小波变换的方法提取图像的边缘,并对边缘图像作交互方差分析,搜索出最佳交互方差的配准参数 通过对 S P O T 和 T M 图像的处理, 达到了精度较高的配准效-This paper studies the use of wavelet transform to extract image edge, and the edge of the image for interactive analysis of variance, search out the best intera
主成分分析
- 主成分分析PCA源码分析，使用matlab编程，是一种降维方法，通过计算数据矩阵的协方差矩阵，然后得到协方差矩阵的特征值特征向量，选择特征值最大(即方差最大)的k个特征所对应的特征向量组成的矩阵。这样就可以将数据矩阵转换到新的空间当中，实现数据特征的降维。