搜索资源列表
边缘检测算法的基本步骤
- 边缘检测算法的基本步骤 （1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。 （2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。 （3）检测。但在有些图象中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。 （4）定位。精确确定边缘的位置。 Canny边缘检测算法 step1:用高斯滤波器平滑图象； step2:用一阶偏导的有限差分来计算梯度的幅值和方
Tracking
- 提出一种新的目标表示和定位方法,该方法是非刚体跟踪的核心技术.利用均质空间掩膜规范基于特征直方图的目标表示,该掩膜引入了适合于梯度优化的空间平滑相似函数,所以可以将目标定位问题转换为局部极大值求解问题.我们利用从Bhattacharyya系数倒出的规则作为相似度量,利用mean shift procedure完成优化求解.在给出的测试用例中, 本文方法成功解决了相机移动,阴影,以及其他的图象噪声干扰.文章对运动滤波和数据关联技术的集成也进行了讨论.-A new objective and pos
Untitled2
- 设计一个巴特沃斯带通滤波器，通过加白噪声后，对其进行滤波测试-Design a bart wo bandpass filter, by adding a white noise, the filter test
matlab-kongyu-lvboqi
- 平滑滤波器有中值滤波器和高斯低通滤波器，其中，中值滤波器对去除椒盐噪声特别有效，高斯低通滤波器对去除高斯噪声效果比较好。不同的滤波方式，在特定的图像处理应用中有着不同的效果和各自的优势-failed to translate
zhongzhilvbo_Matlab
- 对原始图像进行灰度、滤波、加噪声处理，以及获得其中值滤波后的图像，有详尽的代码-The original grayscale image, filtering, adding noise processing, and access to where the value of the filtered image, there is a detailed code
vzctor
- 针对噪声,用AR2建模,用卡尔曼滤波,并用Allan方差检验-In view of the noise, use AR2 modeling, use kalman filter, and Allan variance test