基于尺度空间的纹理合成及 Telea 算法的图像修复

一篇关于纹理特征的文章，具体介绍了基于旋转不变纹理特征的多尺度多方向图像渐进检索方法。

在HSI空间下的使用OSTU算法做的图像分割，自己编写，很适合初学者，代码十分详细，在matlab下已运行成功。

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,

快速和尺度稳健的纹理图像识别.pdf

LBP算法图像的纹理搜索局部二值特征旋转不变性

图像分割是图像处理与计算机视觉领域中最为基础和重要的问题之一，它是对图像进行视觉分析和模式识别的基本前提，图像分割的效果将直接影响到后续分析、识别和解译等处理。纹理是图像的重要特征，普遍存在于各类图像

为降低高效率视频编码(HEVC)帧内编码算法复杂度,提出一种基于视频内容空间相关性和纹理复杂度的块划分快速算法。首先,通过分析视频测试序列相邻编码树单元(CTU)之间的划分深度范围的相关性,提出CTU

在分析当前自底向上注意计算模型在煤矿图像中应用缺陷的基础上,受Itti模型的启发,提出了一种新的基于多尺度和多特征的煤矿监控视频注意计算模型。在多尺度分析上,以连续尺度的离散化形式为非均匀采样的表达,

大多数基于样本块的图像修复算法通过平移来寻找最优匹配块, 当破损区域与信息区域存在旋转或尺度缩放时, 这些算法则无法对图像进行有效修复。针对这一问题, 提出一种基于样本块的旋转及缩放图像修复算法。利用

该算法与经典的Retinex算法相比，无论在增强效果上还是在处理时间上都具有更大的优越性。