搜索资源列表
imdot
- 寻找匹配块,用于电子稳相中求偏移矢量代表点匹配法-To find matching pieces for electronic image stabilization phase offset vector for the representative point matching method
Matching-1
- 给定整数n,产生所有[2n]上的匹配(matching)//将其视为一个所有块大小均为2的集合分拆//输出格式为 a1 a2 - b1 b2- c1 c2- ...//满足a1< a2, b1< b2, ...//且 a1 < b1 < c1 < -given integer n, have all [2n] on the matching (matching)// will be considered as an all pieces are two sets of a
771
- 二维码图像匹配加黑白块缺陷检测,利用opencv halcon完成实现-Plus black and white two-dimensional code image matching block defect detection using opencv halcon complete the implementation
mimo
- MIMO中的预编码方案,其中包括了匹配滤波、迫零、MMSE、最佳信漏噪比、块对角化等主流算法。- MIMO pre-coding scheme, which includes a matched filter, zero-forcing, MMSE, the best letter leak noise ratio, block diagonalization other mainstream algorithms
8-(3)
- 利用灰度共生矩阵提取图像纹理特征值,然后根据熵值的大小来实现模块大小的选择。 另外,在寻找最佳匹配块时,同时考虑了颜色信息的差异和空间距离的因素。最后,给出了客观评价 图像修复质量的PSNR度量。实验表明,与Criminisi算法相比,该方法得到的修复效果更自然,更符合 人的视觉感知。 关键词:图像修复;纹理合-This paper firstly utilizes gray-level co-occurrence matrix to exti’act image s textu
DCT-and-MOD
- 文章介绍了一种 过 完 备 字 典 和 算法相结合的图像稀疏表示去噪算法 首 先 将 噪 声 图 像 分 成 小 图 像 块 并 运 用 正 交匹配跟踪算法 在图像的初始化 过完备字典上对小图像块进行稀疏分解 然 后 使 用 字典学习算法对 过 完 备 字 典 进 行 更 新最后重复该过程以获得图像的稀疏表示并重构图像-This paper presents a complete dictionary and algorithms over a combination of sparse
PeopleDensitydll
- 视频图像的人群密度检测,多种人群密度场景下人群计数算法: 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ,参考图像 算法流程:1)对训练样本图像进行分块处理(算法1.1); 2)通过算法1.2,计算训练样本各个对应分块的ALBP特征归一化,再用K-means算法(可使用opencv等算法库实现,不再描述其算法),将图像块分成k(k<K)类,获取k(k<K)个聚类中心,即为参考图像; 3)对分块的图像进行与
testpipei_4
- R块图像匹配matlab代码 实现一种基于图像灰度的快速匹配算法-R-block image match matlab code
Image-Super-Resolution-Algorithms
- 前基于图像块稀疏表示的超分辨率重构算法对所有图像块都用同一字典表示,不能反映不同类型图 像块问的筹别.针对这一缺点,本文提出基于图像块分类稀疏表示的方法.该方法先利用图像局部特征将图像块分为 平滑、边缘和不规则结构三种类型,其中边缘块细分为多个方向.然后利用稀疏表示方法对边缘和不规则结构块分别 训练各自对应的低分辨率和-岛分辨率字典.重构时对平滑块利用简单双三次插值方法,边缘和不规则结构块由其对应 的高、低分辨率字典通过正交匹配追踪箅法重构.实验结果表明,与单字典稀疏表示算法相比
Matching-track-CS
- 基于压缩传感的匹配追踪重建算法研究。给出了OMP的一种改进方案。OMP算法本身耗时过长速度过慢,本文的改 进方案将图像进行分块后再处理,从而大大降低了OMP算法每次迭代的矩阵规模。 实验结果表明,该方案在不明显降低重建效果的同时提高了运算速度。-Matching track reconstruction algorithm based on compressed sensing
CS--design-MATLAB
- 基于MATLAB的图像压缩感知毕业设计说明书。运用matlab软件,在离散傅里叶变换(DFT)和离散余弦变换(DCT)分块CS的基础上,采用正交匹配追踪算法(OMP)实现了对一维信号和二维图像的高概率重构。将重构结果与原始信号对比,结果表明,只要采样数M(远小于奈奎斯特定理所需要的采样率)能够包含图像所需要的有用信息时,CS算法就能精确的完成对图像的重构,并且重构效果也比较好-Compressed sensing image graduation design specification bas
搜易站内搜索引擎2.1
- 搜易站内搜索引擎(SearchEasy Site Search Engine)是面向互联网网站的站内搜索解决方案,其针对网站使用数据库搜索性能差,体验差等问题,将搜索引擎技术应用于站内搜索;本系统具备中文分词,智能摘要,关键词高亮等技术,可与数据库无缝集成,目前支持MS SQL 2000/2005,My SQL数据库。 软件基于B/S架构技术,前后端设计精美,操作体验佳。 搜易站内搜索引擎 2.1 修正BUG和新增功能列表:2015-3-28 1,修正授权功能和版本功能表所列功能不匹配
Block-matching
- 运动块的匹配,先检测到运动的块,然后和后一帧进行匹配。-Motor block matching, to detect the movement of the block, and then after a frame match.
resction_Niu
- 影像匹配的程序,能够实现影像块的匹配,并找出相关区域-Image matching program, can realize the image block matching, and find out the related area
image-match
- 基于opencv,直方图匹配,找到目标图像与模板图像直方图匹配的区域并标出坐标,方法为反向块搜索-Based on opencv, histogram matching, to find the target image and the template image histogram matching and mark the coordinates of the area, the method of reverse block search
mc-cnn-master
- 通过培训立体匹配卷积神经网络对图像块进行比较-Stereo Matching by Training a Convolutional Neural Network to Compare Image Patches
abc
- 花了几天将halcon算子图像功能整理成简洁几块,有视觉加工定位的匹配与几何变换文件,产品检测量度几何计算文件,几种通用的字符文字识别方式,不依赖辅助图像即可导出测试-It took several days to halcon operator image function organized into a few simple, visual processing target file matches the geometric transformation, product testin
motion
- 给出了四步搜索算法、三步搜索算法、全搜索算法(穷尽搜索算法)。从图像的左上角开始搜索从左至右,从上至下,以mbSize为块大小一块一块进行搜索在每一块的上下左右p个像素的范围内搜索最佳匹配块。-digital image processing using matlab. searching motion
NLmeansfilter
- 非局部均值是一种基于快匹配来确定滤波权值的。即先确定一个块的大小,例如7x7,然后在确定一个搜索区域,例如15x15,在15x15这个搜索区域中的每一个点,计算7x7的窗口与当前滤波点7x7窗口的绝对差值和,然后在计算一个指数函数,所有的搜索点都用指数函数计算出一个权值,当然还有权值的归一化。根据这个权值进行点的滤波操作。-It is a non-local means to determine the filter weight based on fast matching. That is,
11
- 一种基于图像灰度的快速匹配算法 在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配新算法中各个R-块编码的计算十分简单 匹配过程只要对编码值进行