暂无评论
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
由于数字全息采用相干光成像,当再现距离偏离焦点时,再现像的边缘会出现振荡现象,采用传统的清晰度评价函数不能准确实现自动聚焦。通过对再现像进行小波分析可以发现,偏离焦点时的小波变换高频系数的幅值比聚焦时
考虑到小波变换存在一些局限性,提出一种把非下采样Contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)相结合的图像融合新方法。用NSCT变换从多尺度和多方向上分解配准后的原始图像。低频应用
2009年以来，中国运营商开始摸索适合自身特点的WLAN网络建设与运营模式，不断加速WLAN热点建设。根据iSupply的最新数据，截至2009年底，中国电信的Wi-Fi热点数量已经达到9.5万个，增
基于NSCT和HSI变换的图像融合源码。压缩包内代码齐全,附有图片。编程语言为matlab,可以直接运行。
NSCT域中基于自适应SF-PCNN的多焦点彩色图像融合算法
基于NSCT和约束NMF的图像融合水印算法
针对多传感器图像融合问题, 提出了一种基于非下采样轮廓波变换域感受野模型的图像融合方法. 首先, 采 用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解; 然后, 对低频子图像采用改进型感受野模型
非采样Contourlet变换（NonsubsampledContourlettransform，NSCT）是一种新的多尺度变换，它同时具有方向性、各向异性和平移不变性，能有效地表示图像的边沿与轮廓。
提出一种基于非下采样Contourlet变换（NSCT）的图像融合方法。NSCT分解具有平移不变性，有利于更好地保持原始图像的边缘信息和轮廓结构。由于图像融合任务的不确定性及模糊逻辑在处理该类问题时的
暂无评论