hc01357

积分:225
上传文件:9
下载次数:578
注册日期:2014-08-25 20:10:13

上传列表
基于蚁群算法的图像边缘检测.zip - 将改进蚁群算法应用于图像边缘检测,模拟进化算法,主要采用信息素来进行方向的选择,通过全局性的搜索得到较优解。,2018-04-17 14:07:22,下载17次
图像的斑点检测.zip - 高斯拉普拉斯算子实现Log斑点检测,本方法能较好的实现图像中的斑点检测。,2018-04-17 14:00:20,下载8次
road-segmentation.zip - 基于最大类间方差阈值与遗传算法的道路分割,是基于最小二乘法的改进,2015-04-27 15:56:08,下载12次
Spots-feature-detection.zip - 依据LoG和Gilles斑点检测原理,利用matlab程序实现LoG和Gilles斑点检测,2015-04-02 21:35:19,下载50次
Small-Target-Detection-and-Tracking.zip - 基于红外图像的弱小目标检测与跟踪,本程序是基于局域概率分布的小目标检测,2015-01-22 10:45:06,下载131次
Spots-feature-detection.zip - 斑点检测是区域检测的一种特列,是许多特征生成,目标识别等方法的预处理环节。,2014-12-17 11:13:13,下载27次
License-Plate-Recognition-Night.zip - 在夜间黑暗的环境下实现车牌的识别,用matlab编程实现结果,2014-11-05 16:02:04,下载13次
Optical-flow-based-motion-estimation.zip - 基于光流场的运动估计,解决光流场计算的不适定问题的方法,2014-10-21 16:36:47,下载18次
Single-sideband-modulation.zip - 单边带调制信号产生和解调的仿真,实现单边带调制解决调制中遇到的问题,2014-09-17 17:04:48,下载5次

近期下载
深度学习实现零件缺陷检测源代码(1).rar - 结合VGG和残差网络实现工业零件的缺陷检测,基于keras和tensorflow可以直接运行使用
自适应高斯滤波.zip - 利用自适应高斯滤波器图像进行去噪,相比于传统的高斯滤波器,自适应高斯滤波器会获得更好的平滑效果。
multiple-target-template-match.zip - 本程序实现对多目标的模板匹配算法,采用OpenCV编写,
Fuzzy-nonlocal-means-filter.rar - 伍健博士的论文模糊非局部去噪方法用于去除随机值脉冲噪声,主要引用模糊函数度量像素疑似噪声程度。
NLMeans_wynew.rar - 关于非局部平均算法的一些改进,使得效果更好一点。可以采用。
NonLocalMeansFiltering.zip - 此算法为基于k-means聚类的非局部均值快速去噪算法,方法便捷有效,可保持边缘信息
NLMLPR_code.zip - 一个经典的图像去噪,主要是对NLM去噪方法的改进
FovNLM.zip - a new nonlocal denoising algorithm based on an anisotropic kernel.
Non-Local Means Filter.zip - 能够实现图像的预处理也就是去噪处理,比中值滤波、均值滤波效果都要好。
GLAS.zip - 利用几何局部自适应增强核对图像进行增强,即边缘根据图像边缘方向进行增强,平滑区域进行滤波
NLmeans.zip - 消除图像噪声,凸显图像结构。非局部滤波应用于图像去噪。
toolbox_nlmeans.zip - n-l filter 的工具箱 解压缩即可使用
EnNLMeans.rar - 针对非局部平均的缺点,本程序给出了一种自适应的非局部平均算法,主要是通过边缘检测的方法。
NLMeans.rar - 非局部均值图像去噪,基于搜索窗 区域相似性
NLMeans.zip - 非局部均值去除图像噪声,matlab程序实现,非常有参考价值
opencv_cuda.zip - 基于CUDA的Opencv图像处理教学文档
Template-matching.rar - 详细实用的数字图像模板匹配c++程序代码,非常适合初学者学习
NccStitching.rar - 基于NCC(归一化互相关)的图像配准算法
Pyramid_Decomposition.rar - 基于金字塔的图像匹配,例子中加入了程序的运行结果
efficient_subpixel_registration.rar - 此程序是基于互相关的亚像素级图像匹配的代码,此种配准方法误差小,精度高。

收藏