当前位置：
首页 资源下载
搜索资源 - fusion image fourier
搜索资源列表
-
0下载：
小波变换是一种快速发展和比较流行的信号分析方法, 其在图像处理中有非常重要的应用, 包括图像压缩, 图像去噪, 图像融合, 图像分解, 图像增强等。小波分析是傅立叶分析思想方法的发展与延拓。除了连续小波
(CWT)、离散小波(DWT), 还有小波包avelet Packet)和多维小波。本文主要介绍小波变换的发展及其在图像处理、的应用-Wavelet transform is a fast-growing and more popular method of signal analysis,
-
-
0下载：
介绍了几种图像融合的最简单的方法代码，如空域内直接融合、傅立叶变换融合、小波变换融合。-Introduces some of the most simple image fusion method code, such as airspace direct integration, integration of Fourier transform, wavelet transform fusion.
-
-
2下载：
Matlab下，读取raw文件，实现多波段图像融合，高光谱与高分辨率图像融合，包括直接融合，傅里叶变换后融合，小波变换后融合及HIS变换后融合。-On Matlab,how to read and
show raw files, achieve more band mergering,spectrum image and high resolution image fusiing,including direct fusion,Fourier transform fusion, wavele
-
-
0下载：
用于实现基于压缩感知在傅里叶系数域上的图像融合-For image fusion based on compressed sensing in the domain of Fourier coefficients
-
-
0下载：
针对多光谱遥感图像进行图像融合，并具体傅里叶正反变换-For multi-spectral remote sensing image fusion and specific Fourier transform pros
-
-
1下载：
C#编写，实现基本图像处理功能，包括计算均值、方差、协方差、相关系数、熵等，以及IHS变换、逆变换、直方图均衡、IHS融合、Brovey融合、Fourier变换、逆变换、各种植被指数计算等-Written in C#, basic image processing functions, including the calculation of the mean, variance, covariance, correlation coefficient, entropy, and IHS tra
-
-
1下载：
用matlab进行多聚焦图像融合，包括图像直接融合，傅里叶变换融合，和小波融合的源代码- multi-focus image fusion by matlab, including direct images fusion, Fourier transform integration, and wavelet fusion
-
-
0下载：
利用matlab进行小波分解，然后重构得到融合影像，并进行傅里叶分类-The use of matlab wavelet decomposition, and then reconstruct fused image and Fourier classification
-
-
0下载：
this file include code for image fusion using different methods. The methods used in the code are discrete wavelet transform, stationary wavelet transform, fast Fourier transform, Steerable transform with weighted and adaptive weighted algorithm.
-
-
0下载：
小波变换在数字图像处理中的应用是小波变换典型的应用之一。由信号分析中傅里叶变换的不足引出小波变换, 然后简单介绍了小波变换的定义和种类, 分析了小波变换的性质和Mallat 算法, 总结了小波变换在数字图像处理中的四种应用:基于小波变换的图像压缩、图像去噪、图像增强和图像融合, 分析了四种应用的过程及特点, 同时进行了相应的Matlab试验与仿真。试验结果表明, 小波变换在数字图像处理中的应用切实可行、简单方便、效果好、有很强的实用价值, 有较好的应用前景。-The applicatio n o
-
-
0下载：
基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状 特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based
-
