- 博客(0)
- 资源 (10)
空空如也
VC++6.0英文完整版安装.txt
由于源程序有300多MB，这里我只给出了一个链接方式，和具体的安装说明，可以参考文档的说明安装一个完整版的英文VC++6.0.我已经成功安装，而且很好用。与visual assist x 的兼容性也很好。希望能帮到大家
2012-03-02
一种新的图像去噪方法.pdf
：传统的去噪方法需要进行较多的预处理，提出一种基于非张量积小波滤波器和二维主成分分析的图像去噪方法．该方法在不需要预处理的情况下，直接利用原始图像的分解信息进行去噪．利用客观的峰值信噪比(PSNR)和主观视觉效果作为评价标准．仿真实验表明该方法不仅PSNR值较大，而且明显地改善了去
噪后的视觉效果
2012-03-01
基于形态学膨胀和差分缩减的嵌入式图像编码算法.pdf
：根据带内小波系数的聚类特性和带间小波系数的相似性，提出了一种新的小波图像编码方法．使用两种大小尺寸的形态学膨胀算子优化带内重要系数编码，并对两种膨胀方式采用不同的算术编码模型，克服了传统单一算子不能平衡膨胀速度和膨胀质量的不足．使用差分缩减方式对各小波系数聚类簇的起始
位置和稀疏系数进行编码，提高对不重要系数小波系数的编码效率．算法还利用“父子”关系去除小波系数的带间相关性，使用精心设计的算术模型可进一步压缩码字冗余．编码器算法简单，基于位平面实现，因此码流具有渐进性．实验结果表明，本算法的编码性能优于传统的零树编码器SPIHT、最优率失真截断编码EB(、0T，也优于非渐进特性的形态学小波编码器MRWD和SLCCA．
2012-03-01
基于小波分析的人脸图像处理.pdf
:本文利用小波分析进行人脸图像处理,包括人脸图像的滤波、小波增强、以及人脸图像的小波分解等,为后续的特征提取和人脸识别打下良好的基础。实验结果表明,小波分解能够有效地降低人脸图像的维数,大大降低了后续处理算法的复杂度,减少了计算机的计算量。
2012-03-01
无人机运动模糊图像复原技术.pdf
在无人机飞行过程中, 由于成像系统会受到相对运动、姿态变化、机械振动、镜头离焦以及大气湍流效应等影响, 造成获取的图像产生退化。由于图像复原问题通常情况下是病态的, 综合利用了无人机运动的先验信息, 提出了不同运动模糊情况下点扩散函数的估计方法, 采用维纳滤波复原算法估计图像, 给出了适用于无人机成像制导系统的图像复原方案。最后经仿真实验证明, 该算法图像复原效果好, 计算量小, 抗噪声鲁棒性强, 有较大的工程应用价值。
2012-03-01
一种改进的最小二乘正则化的图像复原方法.pdf
在常用的最小二乘正则化方法的基础上, 提出了一种改进的图像复原方法。在运算中, 首先用四阶偏微分方程方法对模糊图像进行噪声处理, 得到一幅中间图像, 然后对这个中间图像采用最小二乘正则化方法进行处理, 便得到了最终的复原图像。实验表明, 该方法不仅能克服问题的病态性, 而且复原后的图像比最小二乘正则化方法复原后的图像整体视觉效果和峰值信噪比都明有显的提高。
2012-03-01
一种有效的图像复原方法.pdf
图像超分辨率复原技术是由一序列低分辨率变形图像估计一幅或多幅较高分辨率的非变形图像,同时还能够消除加性噪声以及由有限检测器尺寸和光学产生的模糊,是图像融合领域中的一个重要分支。先把高分辨率图像变换成低分辨率图像,然后对低分辨率图像进行运动估计和运动补偿计算,最后再把低分辨率图像映射灰高分辨率图像。
2012-03-01
基于小波变换的正则化盲图像复原算法.pdf
提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE 减少了1. 60 ,信噪比增量为1. 76 ,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。
2012-02-29
基于后小波处理的超分辨力图像复原算法.pdf
基于后小波处理的超分辨力图像复原算法.介绍了最大后验概率(MAP)复原超分辨力算法发展现状, 然后着重介绍了基于Markov 随机场的泊松最大后验概率复原算法(MPMAP)和小波滤波方法。以MPMAP 算法为基础, 提出了基于后端
小波滤波处理和Markov 分布的最大后验概率算法(PWMPMAP), 试验证明这种算法具有很强的抑制噪声和振铃现象的能力, 与MPMAP 算法相比, 复原效果明显提高, 对红外热图像等低信噪比图像尤为有效, 以30 dB 的红外“建筑物”图像为例, 相对MPMAP 算法, 峰值信噪比(PSNR)可以提高0.4 dB 左右。
2012-02-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人