注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 尺度空间理论和SIFI算法

  2. 尺度空间表示是一种基于区域而不是基于边缘的表达，它无需关于图像的先验知识。与通过减小图像尺寸而提高计算效率的其他多尺度或多分辨率表达相比，尺度空间表示由平滑获得，在多由尺度上都保持了不变的空间取样，但对同一特征而言，它在粗糙尺度上对应更多的像素点，这样就使得对这些数据的计算任务得到连续的简化。尺度空间表示的另一个重要特征，就是基于尺度的结构特性能以一种简单的方式解析的表达，不同尺度上的特征可以一种精确的方式联系起来。

  3. 所属分类：其它

    • 发布日期：2011-03-02
    • 文件大小：439kb
    • 提供者：simbapc

  1. 具有结构保持特性的MRF图像修补技术研究

  2. 对马尔可夫随机场(MRF)模型的点扩散修补算法对进行了研究和探讨

  3. 所属分类：C/C++

    • 发布日期：2011-07-08
    • 文件大小：6mb
    • 提供者：lgwen_2003

  1. Java常用设计模式和代码

  2. 创建型模式 　　1、FACTORY—追MM少不了请吃饭了，麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西，虽然口味有所不同，但不管你带MM去麦当劳或肯德基，只管向服务员说"来四个鸡翅"就行了。麦当劳和肯德基就是生产鸡翅的Factory 　　工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：如何创建及如何向客户端提供。 　　2、BUILDER—MM最爱听的就是"我爱你"这句话了，见到不同地方

  3. 所属分类：Java

    • 发布日期：2011-09-05
    • 文件大小：1013kb
    • 提供者：duzc309

  1. 基于NSCT 与模糊逻辑的图像融合方法

  2. 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，针对图像融合过程中原图像融入信息程度的 不确定性，采用基于模糊逻辑（Fuzzy logic ）的融合规则指导图像的融合：根据高低频各自的频带特性和待融合图像的特点，对高 频使用基于信息熵与模糊逻辑的融合方法，而对低频使用基于亮度、梯度、方差、信息熵等特性及模糊逻辑的规则得到融合系数， 最终经过NSCT逆

  3. 所属分类：专业指导

    • 发布日期：2012-06-22
    • 文件大小：1mb
    • 提供者：z114548320

  1. 23种设计模式

  2. 1、FACTORY 追MM少不了请吃饭了，麦当劳的鸡翅和肯德基的鸡翅都是MM爱吃的东西，虽然口味有所不同，但不管你带MM去麦当劳或肯德基，只管向服务员说“来四个鸡翅”就行了。麦当劳和肯德基就是生产鸡翅的Factory 工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：如何创建及如何向客户端提供。 2、BUILDER MM最爱听的就是“我爱你”这句话了，见到不同地方的MM,要能够用她们的方

  3. 所属分类：C++

    • 发布日期：2012-11-29
    • 文件大小：1mb
    • 提供者：mxbing1984

  1. C#23种设计模式示例源代码

  2. 创建型模式 1、 FACTORY —追 MM 少不了请吃饭了， 麦当劳的鸡翅和肯德基的鸡翅都是 MM 爱吃的东西， 虽然口味有所不同， 但不管你带 MM 去麦当劳或肯德基， 只管向服务员说“来四个鸡翅”就行 了。麦当劳和肯德基就是生产鸡翅的 Factory 工厂模式：客户类和工厂类分开。消费者任何时候需要某种产品，只需向工厂请求即可。消 工厂模式 费者无须修改就可以接纳新产品。缺点是当产品修改时，工厂类也要做相应的修改。如：如 何创建及如何向客户端提供。 2、BUILDER — MM 最爱听的

  3. 所属分类：C#

  1. NAMD入门教程

  2. 1. 分子动力学模拟概论 1.1 分子动力学模拟的发展 1.2 分子动力学模拟的基本原理 1.3 分子动力学模拟相关软件 2. 分子动力学入门 2.1 基本设置 2.2 生成蛋白质结构文件（PSF） 2.3 蛋白质的溶质化 2.4 球状水体中泛素（Ubiquitin）的分子动力学模拟 2.5 立方水体中泛素（Ubiquitin）的分子动力学模拟 2.6 简单的结果分析 3. 分析方法 3.1 平衡态分子动力学模拟分析 3.1.1 每个残基的RMSD值 3.1.2 麦克斯韦-波尔兹曼（Maxwe

  3. 所属分类：专业指导

    • 发布日期：2013-05-14
    • 文件大小：1mb
    • 提供者：u010696678

  1. 基于深度学习的图像分类方法研究_孟丹.caj

  2. 本文在深度学习框架的基础上对特征提取方法进行了研究,并通过医学图像、人脸表情的检测和分类对其效果进行了验证。本文的研究内容主要包括以下三点:1)提出有约束的高分散主成分分析网络(Constrained High Dispersal PCANet,CHDNet)。本文详细分析了 CHDNet的不同组件对分类性能的影响,针对PCANet的局限性,设计了非线性变化层、多尺度特征池化层,以提高分类性能。将CHDNet应用在医学图像分类中,包括基于Kinect深度图像的人体生理机能自动检测和计算机辅助舌象

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：6mb
    • 提供者：olivia_ye

  1. NICE-GAN-pytorch:NICE-GAN的PyTorch正式实施-源码

  2. NICE-GAN —官方PyTorch实施 重用鉴别符进行编码：实现无监督的图像到图像的翻译 重用鉴别符进行编码：实现无监督的图像到图像的翻译 摘要无监督的图像到图像转换是计算机视觉中的中心任务。 培训过程完成后，当前的翻译框架将放弃歧视者。 本文通过重新使用鉴别器对目标域的图像进行编码，来证明鉴别器的新作用。 提议的体系结构称为NICE-GAN，与以前的方法相比，具有两个有利的模式：首先，由于不需要独立的编码组件，因此结构更紧凑； 其次，这种插入式编码器直接受到对手损失的训练，如果应用了多尺度

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：46mb
    • 提供者：weixin_42168341

  1. 用于单图像超分辨率的压缩多尺度特征融合网络

  2. 最近，深度神经网络在图像超分辨率（SR）领域取得了重大突破。 大多数基于深度学习的图像SR方法学习端到端网络，以发现低分辨率（LR）图像和高分辨率（HR）图像之间的映射关系，以便生成视觉上令人满意的图像。 但是，这些方法仅提取单个比例尺特征来学习映射关系，这将丢失一些重建所需的关键信息。 在本文中，我们提出了一种用于单图像SR的压缩多尺度特征融合（MSFF）网络。 网络中使用了多个MSFF模块来提取不同比例的图像特征，这使我们能够捕获图像的更完整的结构和上下文信息，从而获得更好的SR质量。 此外

  3. 所属分类：其它

  1. 通过相互信息对多光谱成像（Msi）的顺序眼图图像进行模糊处理

  2. 多光谱成像（MSI）产生一系列光谱图像，以捕获不同物种的内部结构，最近将其引入眼病诊断。 但是，由于不可避免的扫视和保持足够高的信噪比所需的曝光时间所引起的运动模糊，MSI图像的质量可能会大大降低。 这种降级可能会使眼科医生困惑，降低检查质量或破坏各种图像分析算法。 我们提出了专门针对序列MSI图像进行去模糊的早期工作，该工作与当前的许多图像去模糊技术不同，该解决方案通过同时解决MSI序列中所有图像的模糊内核来解决。 它是通过合并几个先验约束来实现的，这些先验约束包括潜在清晰图像的清晰度，模糊区

  3. 所属分类：其它

  1. 基于多尺度MRF图像样本修补稳健算法

  2. 为了消除在单尺度条件下进行图像修补过程中，在修复区域产生的累积误差，提出了基于多尺度ＭＲＦ图像样本修补稳健算法。根据图像包含的尺度特征，应用序贯最大后验概率准则对不同尺度的匹配样本采用不同权重的代价函数，利用大尺度填充信息指导小尺度目标区域的修补，实现图像全局信息与局部信息的有机融合。实验结果表明，多尺度ＭＲＦ图像样本修补算法能更好抑制修复区域由于累积误差产生的 “垃圾物”和马赛克现象，同时保持良好的纹理和结构特征

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：891kb
    • 提供者：weixin_38689857

  1. 基于改进卷积神经网络的稠密视差图提取方法

  2. 针对现有的卷积神经网络方法所生成的视差图中细节损失严重的问题, 提出了在结构上改进的新方法。将原有网络中特征提取部分的4层卷积结构提升到7层, 最大化提高了精度; 在网络中引入了双金字塔结构, 将多尺度降采样信息和特征信息进行了融合, 保持了输入图像中的原始细节信息。实验结果表明, 改进后网络的错误率从3.029%降到了2.795%, 生成的视差图具有更好的连通性。

  3. 所属分类：其它

  1. 基因表达式编程优化的色调保持低照度图像增强

  2. 提出了一种基因表达式编程寻优的色调对比度增强算法。选用多幅低照度图像作为参考图像，将该方法与自适应直方图均衡化、同态滤波、多尺度Retinex和带颜色恢复的多尺度Retinex等方法的实验结果进行了比较。所提算法的峰值信噪比、结构相似度和基于局部方差质量指数的平均值分别为25.93、0.75和0.87，均优于其他算法，在主观上亮度和对比度都更自然，更符合人眼视觉特性。该算法可广泛适用于低照度环境下的机器视觉领域。

  3. 所属分类：其它

  1. 扫描探测系统多尺度舰船目标的空间特性分析

  2. 基于相机模型,建立多分辨率下的成像链路仿真,对不同尺度和采样体制下的舰船目标结构和方向特征进行分析。结果表明:对于长度在百米级的舰船,当空间分辨率高于12 m时,形状和方向特性能够保持稳定;当空间分辨率低于12 m时,随着分辨率下降,很难通过单帧图像信息来识别目标类型和判断目标的方向;与单采样相比,过采样虽然能够提高图像的空间分辨率,但目标边缘的扩散更明显,不利于目标形状特征的提取;对于具有对称结构的舰船目标,两种采样体制对运动目标方向的捕捉和判断能力相当。

  3. 所属分类：其它

  1. 基于金字塔注意力机制和GAN的水下图像增强

  2. 为提升水下图像的增强效果，提出了一种基于金字塔注意力机制和生成对抗网络(GAN)的水下图像增强算法。它将生成对抗网络作为基本架构，生成网络采用编码解码结构并引入特征金字塔注意力模块，多尺度金字塔特征与注意力机制的结合可以捕获更丰富的高级特征以提升模型性能；判别网络采用类似马尔科夫判别器的结构。此外，通过构建包含全局相似性、内容感知和色彩感知的多项损失函数，使增强后的图像与参考图像的结构、内容和色彩保持一致。实验结果表明，所提算法增强的水下图像在清晰度、颜色校正和对比度上都有所提升。其中，在SSI

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：49kb
    • 提供者：weixin_38645434

  1. 基于亮度通道细节增强的低照度图像处理

  2. 为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能

  3. 所属分类：其它

  1. 面向算力受限边缘环境的双分支多尺度感知人脸检测网络

  2. 针对边缘算力受限，难以部署复杂结构的人脸检测深度神经网络的问题，为减少资源消耗，并保证人脸在多尺度变化、遮挡、模糊、光照等复杂场景下的检测精度，提出了多尺度感知的轻量化人脸检测算法。采用改进的人脸残差神经网络作为特征提取网络，并提出双分支浅层特征提取模块，并行分支理解图像多尺度信息，进而由深浅特征融合模块将底层图像信息与高层语义特征融合，配合多尺度感知的训练策略监督多分支学习差异化特征。实验结果表明，所提算法可有效提取多样化的特征，在保持模型高效性和低推理时延的同时，有效提升了算法的精度和稳健性

  3. 所属分类：其它

  1. 基于改进滤波算法的地震图像边缘检测方法

  2. 针对现有的地震图像边缘检测方法存在着信噪比较低、图像边缘细节和纹理结构保持能力不强的问题，本文提出基于改进滤波算法的地震图像边缘检测方法。将改进的非局部均值（NLM）与小波变换结合，引入结构相似度（SSIM）到图像小块相似性的度量中，并把图像的结构检测引入到NLM算法，最大限度地保护图像结构，充分利用地震图像数据冗余度，结合改进型小波软阈值模型，构成一种更适合地震图像的多尺度改进滤波算法。实验结果表明，所提方法不仅具有较强的保留图像边缘细节信息的能力，而且能够有效提高地震数据的信噪比，最大限度地

  3. 所属分类：其它

  1. 用于单图像超分辨率的压缩多尺度特征融合网络

  2. 最近，深度神经网络在图像超分辨率（SR）领域取得了重大突破。 大多数基于深度学习的图像SR方法学习端到端网络，以发现低分辨率（LR）图像和高分辨率（HR）图像之间的映射关系，以便生成视觉上令人满意的图像。 但是，这些方法仅提取单个比例尺特征来学习映射关系，这将丢失一些重建所需的关键信息。 在本文中，我们提出了一种用于单图像SR的压缩多尺度特征融合（MSFF）网络。 网络中使用了多个MSFF模块来提取不同比例的图像特征，这使我们能够捕获图像的更完整的结构和上下文信息，从而获得更好的SR质量。 此外

  3. 所属分类：其它

« 12 »