登录
首页 » matlab » 基于结构稀疏的SAR图像低秩重建

基于结构稀疏的SAR图像低秩重建

于 2020-11-16 发布 文件大小:1056KB
0 268
下载积分: 1 下载次数: 31
我要下载

代码说明：

  压缩感知图像处理用于SAR 经典的压缩感知教科书的源代码(compressed sensing SAT)

文件列表：

基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\imnormalize.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\KSVD.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\KSVD_OMP_Demo.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\OMP.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\OMPerr.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\OMP_1D.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\Plane.bmp
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\readme.txt
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\showdict.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\stadium_big.bmp
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\W_KSVD.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP\W_KSVD_OMP_Demo.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR\imnormalize.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR\KSVD.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR\KSVD_Dictionaries.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR\OMP.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR\OMPerr.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR\Plane.bmp
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR\readme.txt
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR\showdict.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\imnormalize.asv
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\imnormalize.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\KSVD_Dictionaries.asv
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\OMP.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\OMPerr.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\Plane.bmp
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\readme.txt
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\showdict.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\W_KSVD.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR\W_KSVD_Dictionaries.m
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\Demo_OMP.m
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\Demo_SL0.m
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\Demo_SP.m
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\OMP.m
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\readme.txt
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\SAR_1.bmp
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\SAR_2.bmp
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\SAR_3.bmp
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\SL0.m
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo\SP.m
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\K-SVD_SR
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation\W-KSVD_SR
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W-KSVD_OMP
基于结构稀疏的SAR图像低秩重建\K-SVD_and_W_KSVD_Sparse_Representation
基于结构稀疏的SAR图像低秩重建\OMP_SP_SL0_demo
基于结构稀疏的SAR图像低秩重建

下载说明：请别用迅雷下载，失败请重下，重下不扣分！

发表评论

0 个回复

  • 2eb2792cea86
    非常好的纹理分割，区域分割的matlab源代码，可用(Very good texture segmentation, region segmentation matlab source code can be used)
    2012-05-30 08:52:49下载
    积分：1
  • computer_vision-master
    图像特征提取，有SIFT、BOW、VLAD、LBP、HOG、FishVector、gist、Metric、colorhist。(Image feature extraction, including SIFT, BOW, VLAD, LBP, HOG, FishVector, gist, Metric, colorhist.)
    2019-07-20 20:53:34下载
    积分：1
  • TEST
    四步相移 多频外差 的matlab 理论演示(Four-step phase shift matlab theory demonstrates that multi-frequency heterodyne)
    2013-04-09 17:24:02下载
    积分：1
  • c# 窗体动画特效(渐变)
    c# 窗体动画特效(渐变)
    2015-06-26下载
    积分：1
  • Thinit
    一个很不错的指纹分析算法源代码，可以从采集的指纹图片中进行二次黑白化，平滑图像处理。可以对指纹图像特征信息提取，比对，以轮廓显示以及色彩覆膜特显等技术算法。主要的分析速度很快，值得学习的算法。要在指纹信息处理中比较不错，本站隆重推荐。(A very good fingerprint analysis algorithm source code, from the collection of fingerprint images, the second black and white, smooth image processing. Fingerprint image feature information extraction, compared to the contour display and color coated special significant technical algorithm. Analysis fast, it is worth learning algorithm. Fingerprint information processing site is highly recommended.)
    2012-08-10 14:55:22下载
    积分：1
  • FusionCode1
    针对多聚焦图像融合，本文首先介绍了小波变换融合算法，虽然小波变换方法无冗余，高频分量损失较小，具有较好的融合效果，但存在两个主要缺点：一是移变性，二是融合图像在重构时会受到一些外来因素的影响，所以仍会丢失一些边缘信息，为了克服小波变换法的以上缺点，可以采用基于小波分解和点扩展函数模型PSF相结合的融合方法。该方法首先对不同的图像进行无降2采样的小波分解，以保持与源图像大小相同，然后分别将其各方向、各尺度的高频分量进行叠加，并依此提取其高频分量的特征信息来判定清晰目标或模糊目标，以此来设计融合算法，采用一定的策略将两副源图像进行融合，从而避开了小波的反变换，因此融合后的图像具有比小波变换法更好的融合效果。(multi-focus image fusion, this paper introduces the wavelet transform algorithm, Although the wavelet transform non-redundant, the loss of high-frequency components are smaller, better integration effect, But there are two major drawbacks : First, the shift variability and the second is the integration of image reconstruction will be subject to a number of external factors. Therefore, there would still be some marginal loss of information, in order to overcome the wavelet transform of the above shortcomings, can be used based on wavelet decomposition and the point spread function PSF model combining the fusion method. The first pair of different images ratchet two sampling wavelet decomposition, and to maintain the same source image size. Then all of its direction, the scale of high-freque)
    2007-05-11 00:36:13下载
    积分：1
  • rgb_TV
    图像处理，图像修复，TV模型，用于空洞填补等图像处理(hole filling)
    2012-04-14 14:03:06下载
    积分：1
  • jiazao
    说明：  给图像加高斯白噪声,里面有详细的代码，我不知道该说些什么，只是觉得很好(gaussian noise Why must I be forced to write so many words?)
    2019-04-20 15:29:43下载
    积分：1
  • chepaishibie
    基于matlab的语言的汽车牌照显示，其中内容主要是和数学形态学相关的操作。(Matlab language based on license plate display, which were mainly related to the operation and mathematical morphology.)
    2011-06-08 16:32:34下载
    积分：1
  • RF2B
    将RF信号处理为B型图像的工具包,非常好用(a toolkit to transfer RF signal to B-mode images)
    2020-09-16 11:07:56下载
    积分：1
  • 696516资源总数
  • 106914会员总数
  • 0今日下载

热门标签

Visual C++ matlab C/C++ Java Others Unix_Linux EasyLanguage易语言 Visual Basic C# PDF C++ Delphi VHDL ASP WINDOWS
热门下载

Copyright© 2019-2026 | Powered by Imdn | 浙ICP备16007336号 | IMDN交流 | 联系客服（QQ：3324461878）

本网站资源收集自网络及网站用户上传，若有侵权请邮件至（3324461878@qq.com），核实后我们会在24小时内删除，谢谢！