net

一个不错的Meanshift算法流程图 初学者可以看看(failed to translate)

matlab code for the v shape recognition in heart shape

本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，...( U672C u4E66 u7B2C u4E00 u90E8 u5206 u5206 u4E3B u8991 u4ECB u7ECD u673A u5668 u5B66 u4E60 u57FA u7840 uFF0C u4EE5 u53CA u5982 u4F55 u5229 u7528 u7B97 u6CD5 U8FDB u883C u5206 u7C7B uFF0C u5E76 u9010 u6B65 u4ECB u7ECD u4E86 u591A U90BB u6CD2 u3001 u6734 u7D2 u8D1D u53F6 u65AF u7B97 u6CD5 u3001Logistic u56DE u5F52 u7B97 u6CD5 u3001 u652F u6301 u5411 u91CF u673A u3001AdaBoost u96C6 u6210 U65B9 u6CD5 u3001 u57FA u4E8E u6811 u7R4 u5F52 u7B97 u6CD2 u5286 u5206 u7C7B u56DE u5F52 u6811 uFF08CART uFF09 u7B97 u6CD5 u7B49 u3002 u7B2C u4E09 U90E8 u5209 u5109 u91A u0312 u4E9B u8E1B u8981 u7B97 u6CD5 uFF1Ak u5747 u503C u805A u7B7B U7B97 u6CD3 u30011 by default for uppercase and uupstr U4E9B u9644 u5C5E u5DE5 u5177 u3002 u5168 u4E66 u901A u8FC7 u7CBE U5FC3 u7396 u7392 u7B09 u5B09 u5B09 u5B09 u5B03 U7528 u9184 u5R4 u5904 u7403 u7R03 u7 U5206 u6790 u53CA u53EF u89)

关于对极几何图像中八点算法的MATLAB实现，刚开始做 ，请多指教(on very geometric images 8:00 algorithm in MATLAB, just beginning, please enlighten)

孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度，影响了后续目标检测、分类和识别 等应用。因此，SAR图像的相干斑抑制问题一直是SAR图像应用的重要课题之一。一个理想的去斑算法应该在平 滑的同时保持图像的边缘等细节不受损失，目前存在各种各样的算法，但没有一种方法能够完美的满足这一要求。 本文对SAR图像的相干斑抑制问题进行了全面系统的研究，分析了相干斑的形成原因，总结了目前存在的相干斑 抑制算法的主要思路，介绍了具有代表性的算法，并对各种算法的性能进行了定性分析和比较，给出了去斑算法定 量评估方法(The inherent speckle noise of the aperture radar image seriously reduces the degree of interpretation of the image, and affects the detection, classification and recognition of the subsequent targets. And other applications. Therefore, the problem of speckle suppression in SAR images has been one of the most important topics in the application of SAR images. An ideal speckle algorithm should be flat At the same time, the details such as edges of images are not lost. There are various algorithms at present, but none of them can satisfy this requirement perfectly.)

P0301：数字图像矩阵数据的显示及其傅立叶变换 P0302：二维离散余弦变换的图像压缩 P0303：采用灰度变换的方法增强图像的对比度 P0304：直方图均匀化 P0305：模拟图像受高斯白噪声和椒盐噪声的影响 P0306：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 P0307：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 P0308：图像的自适应魏纳滤波 P0309：运用5种不同的梯度增强法进行图像锐化 P0310：图像的高通滤波和掩模处理 P0311：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 P0312：利用巴特沃斯（Butterworth）高通滤波器对图像进行锐化处理 (P0301: digital image data matrix display and Fourier Transform P0302: two-dimensional discrete cosine transform image compression P0303: using gray transform method to enhance the contrast of the image P0304: histogram equalization P0305: Simulation images by white Gaussian noise and salt and pepper noise P0306: 2D median filtering function medfilt2 right by Salt and Pepper image noise filtering P0307: using MATLAB functions filter2 of noise images mean filtering P0308: Image Adaptive Filter Weiner P0309: use five different gradient Enhancement Act for image sharpening P0310: Images of the high-pass filtering and mask handling P0311: use Butterworth (Butterworth) low-pass filter on the noise in the image smoothing P0312: use Butterworth ( Butterworth) high-pass filter for image sharpening)

暗原色先验的视频去雾算法 matlab实现(the code of defog using dark-chanel prior algorithm)

利用已有真实场景色彩图片转换为灰度图像，实现SAR成像处理，(Use of existing real scene color images converted to grayscale images, the SAR imaging processing)

说明：  利用特征提取和分类的方法,假设输入值为{大,圆,光滑}为水果的三个特征值,来代表三种不同的水果,识别苹果\梨\香蕉\桔子\菠萝水果类别. (The use of feature extraction and classification methods, assuming that the import value was (large, round, smooth fruit) for the three characteristics of value, to represent three different types of fruit, to identify Apple \ pear \ banana \ orange \ pineapple fruit category.)

C++Builder编写的图象处理程序(带示例)(C++ Builder prepared image processing procedures (with examples))