暂无评论
Nonsubsampledcontourlettransform(NSCT)能够提供灵活的多分辨率分解,具有各向异性和图像方向性扩展特点.与原始的Contourlet相比,它是频移不变的,能有效克服C
在OPENCV辅助的VC6.0环境中运行，增强效果还不错，自己编写的代码，有直方图均衡化、对比度增强、饱和度增强、伽马校正、RGB空间与HSI空间的转换。
基于自适应模板的图像跟踪算法
绿色荧光蛋白(GFP)荧光图像提供蛋白质功能定位信息,相衬图像提供高分辨率的结构信息,二者的融合对于细胞蛋白质的功能分析和亚细胞的精细结构定位具有重要价值。基于轮廓波变换对细节信息优异的表达能力,提出
使用多尺度顶帽子变换和改进的自适应双通道PCNN的红外和可见图像融合
针对NSCT变换分解得到的各个方向子带稀疏度不同的问题,文中提出了1种基于改进的CS_NSCT图像融合方法。首先对待融合图像进行NSCT分解,接着对得到的高频分量采用自适应的压缩感知方法进行压缩,并在
提出一种基于非下采样Contourlet变换（NSCT）和模糊逻辑的图像融合方法。NSCT分解有利于更好地保持图像的边缘信息和轮廓结构，并增强图像的平移不变性。在对原图像进行多尺度几何分解后，针对图像
论文：基于小波分解的图像融合算法的改进分析了基于小波分解及局部区域能量的图像融合算法的优缺点，并针对该算法对存在局部噪声的图像以及局部噪声和局部模糊并存的图像融合效果不理想的问题，提出了改进算法。新算
提出了一种新的基于核的自适应目标跟踪方法,以提高复杂背景下目标跟踪的鲁棒性和准确性。 尺度不变特征变换(SIFT),颜色和运动特征的三个核函数的线性加权组合用于表示跟踪目标的概率分布。 外观和运动功能
基于经验模态分解方法将多MEMS陀螺信号分解为一列本征模态函数和残差函数, 并采用希尔伯特变换求取其瞬时频率和瞬时能量. 首先, 通过本征模态函数与原信号的非线性相关系数分析来实现MEMS陀螺信号噪声
暂无评论