提出了从一个Mipmap[1]中通过几种分辨率结合指定数目的纹理来创建高品质采样过滤器的方法。此方法能控制在读取每次采样时的纹理数量,以便扩展品质来匹配GPU的内存。
一种新的纹理基元发现及表达方法.有利于开阔纹理学习思维
一种SGF和SVM相结合的纹理分类方法#,何凯,庞鹏飞,针对传统方法在纹理分类方面的不足,本文将统计几何特征与支持向量机相结合,提出了一种新的纹理分类方法。首先利用一个可变的阈
为提高指静脉图像匹配精度,提出了一种基于OpenCV计算机视觉库的指静脉图像识别匹配方法。首先,针对图像采集设备获取的指静脉图像存在无效信息导致识别难度增大的问题,对原始图像进行ROI提取;然后对RO
基于深度学习的波前复原方法是利用训练好的卷积神经网络(CNN)模型并直接根据输入的光强图像得到波前像差的Zernike系数,不需要进行迭代计算,方法简单易于实现,便于快速获取相位。CNN的训练是通过对
双目视觉是利用机器视觉进行障碍物检测的研究热点。针对双目视频不同步,导致立体匹配不精准的问题,提出了一种基于图像处理的双目校准算法。算法首先根据道路的先验特征模型,建立视觉校准的敏感区域,以减小计算量
主要研究了对车牌图像进行压缩的方法。根据车牌的特点,先对其进行基于目标域方法的分块,随后采用小波变换和BP神经网络的混合方法对图像进行压缩。结果表明了该方法的高效性。
针对图像特征提取与匹配的适应性和准确性的问题,将尺度不变特征变换 (SIFT,Scale Invariant Feature Transform)算法应用到图像匹配领域.首先从原理上对SIFT算 法的
针对原EZW算法未能很好利用图像小波系数特点及按照频率特性量化小波系数的不足,提出了对图像小波系数进行信噪分离、阈值化处理以及对低、高频图像信息进行分阈值量化的改进算法,并给出了在保证复原图像质量情况
车牌识别系统在现代交通系统中占据重要位置,在停车场管理、高速公路收费管理、十字路口监控都有广泛应用。车牌定位是车牌识别系统中的一个重要部分,由于车牌定位的车牌图片采集于户外,图像背景复杂、噪声干扰严重
