搜索资源列表
SVD
- 根据奇异值分解的基本原理及其特点,给出了运羽奇异值分解进行图像压缩的方法.通过简单的例子说明了该方法进行图像压缩的基本过程,给出了压缩流程.并通过MATLAB编程对实际图像进行处理,表明了该方法的有效性.
指纹识别
- 摘要:指纹识别技术在各个领域的应用已经逐渐成熟,本文基于信息论中的互信息,在指纹识别的特征选取和识别提出自己的一些想法。 1 引言 指纹是人终身不变的生理特征之一,因其具有惟一性、稳定性以及方便性等独特的特点,使指纹识别成为现在应用最广泛的生物识别技术。 指纹识别系统处理的流程中,指纹图像预处理是第一个处理环节,我沿用已经成熟的去噪,二值化,滤波,细化,对其进行预处理。 互信息作为最终的识别准则来进行指纹的识别。 2 指纹的预处理 般自动指纹识别系统由图像采集、图像预处理、细节点提取和指纹匹 几
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
113172210SVD
- SVD随着计算机网络的不断发展,多媒体信息的版权保护问题变得十分突出,已成为一个非常紧迫的议题。数字水印技术是实现版权保护的一种非常有效的方法,已经成为信息隐藏领域的一个热门方向。本文着重讨论了数字水印技术在数字图像中的应用,特别地,对于基于神经网络和SVD的自适应的数字水印技术进行了深入的研究与实验。首先比较全面地介绍了数字水印技术的发展历史、现状、基本模型、特征、分类、现有的主要的算法和应用,并对数字水印的发展前景做出了一个展望。接着阐述了神经网络和奇异值分解( SVD)的相关理论。利用图像
Ch13
- K-l变换与奇异值基础的图像处理编程基础,及相关的源码,是相关学习人员不可缺少的理论资料!-Kl transform and singular value-based programming-based image processing, and related source code, is relevant to study the theory of indispensable information on staff!
shibie
- 基于奇异值分解的人脸识别方法 梁毅雄 龚卫国 潘英俊 李伟红 刘嘉敏 张红梅 提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL
SVD
- 数字图像处理 基于奇异值分解的图像压缩 根据图像矩阵的奇异值分解 选择图像中的主要信息部分进行压缩编码-Digital image processing based on singular value decomposition image compression based on singular value decomposition of the image matrix is the main part in the select image compress
jacobi
- jacobi奇异值分解,matlab 用于利用矩阵填充和矩阵回复解决图像处理问题-the jacobi singular value decomposition
svdsim
- 是图像处理中奇异值分解的代码,对图像处理很有用。-Is the singular value decomposition of the image processing code, useful for image processing.
SVD
- 使用奇异值分解对图像进行去噪处理的一篇英文期刊文章。-Using singular value decomposition for image de-noising processing an English journal article.
matlab.QIyizhifenjie
- 关于奇异值分解,图像特征融合,图像处理的特征图提取方法-About the singular value decomposition
KSVD
- 矩阵奇异值分解,主要用于图像图形处理及应用-Matrix Singular Value Decomposition
opencv-doc
- 图像数据操作(内存分配与释放,图像复制、设定和转换) 图像/视频的输入输出(支持文件或摄像头的输入,图像/视频文件的输出) 矩阵/向量数据操作及线性代数运算(矩阵乘积、矩阵方程求解、特征值、奇异值分解) 支持多种动态数据结构(链表、队列、数据集、树、图) 基本图像处理(去噪、边缘检测、角点检测、采样与插值、色彩变换、形态学处理、直方图、图像金字塔结构) 结构分析(连通域/分支、轮廓处理、距离转换、图像矩、模板匹配、霍夫变换、多项式逼近、曲线拟合、椭圆拟合、狄劳尼三角化)
MJRFGNI
- 使用奇异值分解算法的prony算法-single value decomposition based prony algo()
SVD
- SVD奇异值分解做降维处理,主要用于降维处理,可用于图像压缩,数据融合等领域(SVD singular value decomposition (SVD) is used for dimensionality reduction, which is mainly used for dimensionality reduction, and can be applied to image compression, data fusion and other fields.)