搜索资源列表
20070815
- 提出了一种基于小波域的图像数字水印算法·该算法将相互正交的两种水印(鲁棒水印和参考 水印)同时添加到经过DWT后的载体图像小波系数中,然后用小波反变换得到添加了水印的图像·用提取出 的参考水印来估计图像所受到的攻击,由于提取出的鲁棒水印所受的攻击与参考水印受到的攻击一样,因此 可以估计出原始的鲁棒水印·通过对嵌入水印的图像进行加入噪声、滤波、压缩以及裁剪等大量图像处理等试 验,均能正确检测出水印,表明该算法具有很好的感知效果和鲁棒性
Image_Restoration.rar
- 这个程序可以修复因噪声/噪音干扰或者因抖动产生的失真的图像,Inverse滤波器, Wiener滤波器和Lucy-Richardson滤波器被使用到,同时代码还使用了光学流线分析,估计模糊的长度和角度。,This process could be restored due to noise/noise interference or distortion due to jitter generated images, Inverse filter, Wiener filter and the L
curveletdenoise
- curvelet变换贝叶斯估计方法,用于估计含噪声图像的噪声参数。再对图像进行去噪处理-curvelet transform Bayesian estimation methods used to estimate the image noise with noise parameters. Re-image de-noising processing
3
- 摘要:为了提高图像复原算法的性能 ,提出了一种改进的奇异值分解法估计图像的点扩散函数。从图像的退化离散模型 出发 ,对图像进行逐层分块奇异值分解 ,并自动选取奇异值重组阶数以减少噪声对估计的影响。利用理想图像奇异值向 量平均能谱指数模型 ,估计点扩散函数奇异值向量的频谱 ,再反傅里叶变换得到其时域结果。实验结果表明 ,该方法能 在不同信噪比情况下估计成像系统的点扩散函数 ,估计结果比原有估计方法有所提高 ,有望为图像复原算法的预处理提 供一种有效的手段。-Abstract : T
example_wnestimate
- 利用小波工具完成一幅图像中噪声参数的估计-useing the wavelet toolbox to estimate the noise in a picture
SSSS
- 通过建立运动模糊数学模型, 进行了消除运动模糊的仿真实验, 维纳滤波恢复运动模糊图像效果较 好。在图像恢复技术中, 点扩展函数( PSF) 是影响图像恢复结果的关键因素, 所以常常利用先验知识和后验判 断方法估计PSF函数来恢复图像。实验表明在实际恢复过程中如果运动模糊图像混入了噪声, 必须考虑到信噪 比、噪声的自相关函数和原始图像的自相关函数对恢复后图像的影响。-Through the establishment of mathematical model of motion
restore
- 图像增强的目标是改进图片的质量,例如增加对比度,去掉模糊和噪声,修正几何畸变等;图像复原是在假定已知模糊或噪声的模型时,试图估计原图像的一种技术。 图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。采用低通滤波(即只让低频信号通过)法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等,它们可用于去除或减弱噪声。 -A
guanliu
- 互有平移加噪声的图像的获得和用光流进行估计,对做超分辨率图重像的同学很有帮助-Mutual translation plus noise image acquisition and optical flow to estimate the super-resolution map of the re-do the students as helpful
Image_Restoration_motionblur
- 这个程序可以修复因噪声/噪音干扰或者因抖动产生的失真的图像,Inverse滤波器, Wiener滤波器和Lucy-Richardson滤波器被使用到,同时代码还使用了光学流线分析,估计模糊的长度和角度。-This program can recover from noise/noise or distortion due to jitter generated images, Inverse filter, Wiener filter and the Lucy-Richardson filter
dsgertg
- 针对小波变换在指纹识别中的应用,提出了一种基于小波变换的图像增强算法,利用低频系数图像在小波域估计指纹纹线方向,抑制了高频噪声对纹线方向的影响,实验表明,该算法对纹线模糊的指纹图像增强效果明显。-According to the fingerprint identification of wavelet transform in the application, and puts forward a kind of image based on wavelet transform enhance
Sparse Lab 200-Core
- 基于多帧图像插值(Interpolation)技术的方法是SR恢复技术当中最直观 的方法。这类方法首先估计各帧图像之间的相对运动信息,获得HR图像在非均 匀间距采样点上的象素值,接着通过非均匀插值得到HR栅格上的象素值,最后 采用图像恢复技术来去除模糊和降低噪声(运动估计!非均匀插值!去模糊和 噪声)。-In this paper, we propose a novel method for solv- ing single-image super-resoluti
Surfacelet
- 文将3D Context模型应用于 Surfacelet变换域 ,提出一种新的视频去噪方法. Surfacelet变换(ST)是一种 新的3D变换 ,具有多方向分解、 各向异性和低冗余度等性质. 根据视频信号 ST域内系数和噪声分布的特征 ,将 2D Context 模型拓展到3D ,按照能量分布将 ST系数分成多个子块 ,每个子块有独立的能量和阈值估计.实验结果表明 ,本 文算法噪声抑制效果明显优于分层 2D去噪声方法和其它现有的 3D方法 ,去噪视频的 PSNR值提高了约 2dB
Noise-estimation-in-wavelet-domain
- 对含噪声的图像进行识别和估计,通过小波分解,在频域中完成对图像的识别,判断是椒盐噪声还是高斯噪声,并对参数的值进行估计。-Identify and estimate noisy images, through the wavelet decomposition in the frequency domain to complete the image recognition to determine the salt and pepper noise or Gaussian noise, and
RSC
- 人脸识别的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数,但最大似然估计理论证明这样的假设要求余项服从高斯分布,实际中这样的分布可能并不成立,特别是当测试图像中存在噪声、遮挡和伪装等异常像素,这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论,将保真度表达式改写为余项的最大似然分布函数,并将最大似然问题转化为一个加权优化问题-Recently the sparse representation (or codin
my-own-code
- 二维数字图像噪声幅度和密度判断,估计图像高斯白噪声的强度-Image Noise Estimation
noise-estimation
- 几种经典的图像噪声方差估计方法(论文和源代码)-Several classical noise estimation method (articles and source code)
gao1993
- 1993年gao的局部均值与局部标准差法来估计图像噪声,可参考-GAO 1993 local mean and local standard deviation method to estimate the image signal to noise ratio, can be reference
evaluatenoise
- 可以计算一个不知道噪声大小的图像噪声,只是估计噪声的大小- uate the noise power of a picture
4
- 正在成像的物体的光谱反射率的重建对于在各种观察光源下再现颜色是重要的。在这项工作中,导出了一个简单的公式来评估一组旨在重建光谱反射率的彩色图像传感器的质量,并将其应用于多光谱图像采集系统。由于质量不仅取决于光谱灵敏度,还取决于系统中存在的噪声,所以不可能在没有其中存在噪声的情况下对一组传感器进行评估。因此,多光谱相机的噪声方差由新方案估算,并首次应用于评估。结果表明,实验结果与评估模型的预测吻合良好,估计噪声方差估计方法对评估是有用的。(The reconstruction of spectra
noise level estimation PCA-based
- 利用PCA,提取图像中特征值最小的区域,来估计图像噪声(PCA is used to extract the smallest region of the image feature to estimate the image noise)