模糊C均值图像分割

这项工作基于统计方法的问题，而不使用大培训数据库和不诉诸神经网...... 我避免神经网络显而易见的选择，唯一的真正原因是： 1） 它已进行前字符识别。 2） 它不似乎是本着同样的精神，作为我们的课程和讲座， 和方法。 3） 神经网络，以我的经验，似乎并不产生可伸缩的、 关于底层视觉问题/解决方案的重用信息... 就我所知他们只是证明，一些系统称重层感知产量的正确结果大部分时间。 只有几篇文章手写识别的问题，我所读过的指的是统计方法解决它。我已经从他们，我的想法，但是我还没有找到任何准确的参考，我对这个问题的办法。我将会检讨各种统计方法在下一章。

对图像进行维纳滤波处理，实验结果表明该方法具有很好的实验结果，很适合刚接触图像处理的初学者。

里面包含了好几个m文件，基本都有注释。。很容易看懂，并且可以根据自己的需要修改添加参数。可以作为毕业设计的参考。不过对于图片的选择自己要注意，尽量不要选择整幅图都是同种颜色的

过去的几年里已经看到照片的使用响应非均匀性噪声 （PRNU） 的一个独特的指纹如影像传感器，在各种数字的法医学应用源设备标识、 验证内容的完整性、 和身份验证。然而，使用一种颜色筛选数组捕获的每个像素的三个颜色分量的唯一介绍了彩色插值噪声，同时现有的方法提取 PRNU 为解决问题提供没有有效的手段这一问题。因为人工色素获得通过彩色插值过程不直接取自由物理硬件的场景，我们期望，PRNU提取的物理组件，都是免费的插值的噪音，应比从更可靠人工渠道，进行插值噪声。在此基础假设我们建议夫妇解耦的 PRNU (CD-PRNU)提取方法，首次分解每个颜色通道到四个的子图像，然后提取物 PRNU 噪声从每个子图像。PRNU 的子图像的噪声模式然后组装得到裁谈会 PRNU。这种新方法可以防止插值噪声传播进入物理组件，从而提高设备识别的准确性与图像内容的完整性验证。索引术语 — — 彩色滤光阵列、 马赛克

资源描述 包括详细教程和例程： 【多媒体封装格式详解】---MKV【1】 【多媒体封装格式详解】---MKV【2】 【多媒体封装格式详解】---MKV【3】

应用背景粒子滤波算法是一个采用蒙特卡罗采样进行贝叶斯滤波的方法。这种方法有许多的用途，但它已经成为进行物体追踪最好的方法。从概念上讲，一个粒子滤波算法包含一个被监视系统的状态的概率分布。关键技术在本项目中，状态就是指被追踪物体的位置、大小等等。在许多情况下，非线性和非高斯型在物体的运动和相似性建模上会得到一个难以处理的滤波分布。粒子滤波采用将这个分布重新表示为一组加权值，或称为粒子的方法克服了这个困难。每个粒子表示一个可能的系统状态实例。换句话说，每个粒子描述了被追踪物体可能处于的一个方位。一个粒子集包含了被追踪物体最有可能处于的方位。因此，我们可以通过寻找在粒子滤波分布中最大的权重来确定物体最有可能处于的状态。

对比度增强

3 的输入的参数。第一是名称您想要使用的图像文件 （放在引号）。第二个是伽玛校正因子，用于改变方法的产品出来。摆弄数字 1 到 5 之间直到它看起来不错。（一般低的数字使其暗）。第三个输入是您想要输出到一个文本文件的名称。示例函数调用：asciipic2("imagename.jpg",2.5,"outputname.txt")

非负矩阵分解是今年来提出的一种新的方法，其在图像处理，机器学习，模式识别，高光谱图像解混等领域都有很广泛的用处。这里是将它用在人脸识别上！

利用 Matlab 实现基于阈值的图像分割方法，包含 Otsu 法、 最大熵、 聚类和其他方法的各种使用方法