单尺度，多尺度的Retinex算法程序

学习ALGOS算法，文章里详细介绍了ALGOS算法；

使用DFP和BFS两种方法来实现变尺度算法，此处是实现该算法的Matlab代码，修改目标函数后可以直接使用。

提出一种克隆多尺度协同开采的离散微粒群算法. 多尺度变异概率根据粒子适应值大小进行动态调节, 在 算法初期通过大尺度概率变异增加算法多样性, 后期通过逐渐减小的小尺度变异提高算法在最优解附近的局部精确

在对图像熵进行分析的基础上, 引入图像多尺度熵的概念, 定义了图像的多尺度熵及多尺度熵矢量, 提出了 一种基于区域的匹配跟踪算法—–基于图像多尺度熵的红外图像匹配跟踪算法. 首先计算图像的多尺度熵,

一种基于识别函数的多尺度骨架算法，郑宇化，刘文予，骨架是物体识别的一种有效手段。传统的距离场求取的骨架难以保证连通，而细化所得的骨架受噪声影响较大，本文提出一种新的骨架算

分析了以往状态报告型与非状态报告型GPON动态带宽分配算法的优缺点，采用二者相结合的方式，提出一种基于小波多尺度分析的GPON动态带宽分配算法（DBA）.算法通过小波预测模型获得ONU的实时业务量，并

为满足视觉跟踪算法对跟踪精度与跟踪速度的要求, 提出一种结合目标检测的多尺度相关滤波视觉跟踪算法。所提算法基于深度学习的目标检测算法找出图像中目标的位置和尺寸, 利用相关滤波算法对所给出的目标特征进行

针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。该算法利用三级离散小波变换将图像分解为高频部分和低频部分。通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,

目前, 基于卷积神经网络的超分辨率重建方法具有参数数量大, 时效性偏低, 边缘细节信息丢失的缺陷。针对该问题, 提出基于边缘修正的多尺度卷积神经网络超分辨率重建算法。首先在训练阶段, 利用低频信息的冗

我们提出了一种基于序列表示的替代方法,可以直接将多环多尺度散射幅度降低为自由选择的主积分集。 并且该方法避免了张量约简计算的逆矩阵和尺寸偏移的复杂计算。 在此过程中,我们进一步利用Feynman参数化