图像增强
文章平均质量分 91
wlz249
这个作者很懒,什么都没留下…
展开
-
【目标检测】基于稀疏表示的高光谱图像(Matlab代码实现)
基于稀疏表示的高光谱图像目标检测,是模式识别的有效方法。目标检测旨在通过使用已知的目标像素或异常属性将特定目标像素与各种背景分开。模型中的稀疏向量可以通过贪婪算法OMP恢复。目标检测问题可以看作是两个假设(背景)和(目标)的竞争关系。T和B都是矩阵,它们的列向量分为目标子空间和背景子空间。N 表示高斯随机噪声,[T,B] 表示 T 和 B 的级联矩阵。假设,当D大于某个阈值η时,则X为目标。通过知识的稀疏表示,已知信号重建的残差可以表示为:经过比较,我们可以发现:假设,当D大于某个阈值η时,则X为目标。原创 2023-03-29 16:25:21 · 165 阅读 · 0 评论 -
基于图像特征检测——使用相位拉伸变换(Matlab代码实现)
在过去的几十年里,深度学习和计算机视觉在目标检测、目标跟踪、行人检测和自动驾驶汽车方面发挥了趋势引导作用。一些方法被提出来解决这些计算机视觉和基于深度学习的检测、跟踪技术、算法和数据源的问题。近年来,这一领域变得越来越重要,研究人员利用有关图像和视频的在线/离线数据,集中进行情绪建模和计算分析。原创 2023-03-29 13:32:36 · 105 阅读 · 0 评论 -
基于自动亮度对比度增强功能的可逆数据隐藏(Matlab代码实现)
例如图片等数字媒体内容在传输的过程中被恶意攻击者非法截取、窃听或篡改等,轻者造成了个人信息的泄露,重者引发严重的网络安全事故。为了满足人们对于安全性的需求,基于可逆数据隐藏的图像可逆视觉变换研究被提出。通过将图像视觉内容转换为任意参考图像的视觉内容,图像可逆视觉变换可以保护图像内容和隐私。此外,尽管相机技术不断完善,但在某些恶劣环境下所拍摄出来的照片视觉效果不佳,影响后续对照片的查看及处理。图像可逆对比度增强可以增强图像不清晰部分的细节,并且增强图像在需要时可以被恢复回原始图像。原创 2023-03-29 13:16:47 · 137 阅读 · 0 评论 -
基于视觉显著性图和加权最小二乘优化的红外与可见光图像融合(Matlab代码实现)
由于深度特征具有良好的泛化性、鲁棒性和发展潜力,很多基于深度学习的融合方法被提出,在深度特征空间进行图像融合,并取得了良好的效果。红外与可见光图像融合技术充分利用不同传感器的优势,在融合图像中保留了原图像的互补信息以及冗余信息,提高了图像质量。根据不同的融合框架对基于深度学习的红外与可见光图像融合方法进行归类、分析、总结,并综述常用的评价指标以及数据集。最后,对基于深度学习的红外与可见光图像融合技术研究方向进行展望,总结红外与可见光融合技术,为未来研究工作奠定基础。原创 2023-03-28 16:30:53 · 64 阅读 · 0 评论 -
水下图像融合增强(Matlab代码实现)
针对水下光的吸收和散射作用,水下图像往往存在颜色失真、对比度低、细节模糊等现象,提出了一种新的水下图像增强算法。首先,以颜色校正的方式改进了一种基于暗通道先验(DCP)的水上图像增强方法,使其可以更好地用于水下图像,并将增强后的图像作为图像融合的一个输入。然后,利用非锐化掩蔽(USM)增强图像的纹理特征,并将再次增强的图像作为图像融合的另一个输入。与其他方法的比较结果表明,利用所提方法增强的图像具有更自然的外观、更高的清晰度、更多的细节和边缘信息,所提方法对水下图像有良好的增强效果。原创 2023-03-28 16:12:36 · 498 阅读 · 0 评论 -
【MWSG】滤波器增强频谱图,实现强大的鸟声检测(Matlab代码实现)
在人类的感知系统中,视觉感知和听觉感知是两种主要感知手段,其中,声音是传递信息的重要媒介,也是听觉感知系统的基本要素之一。当前,随着人工智能技术的迅速发展,机器视觉、计算机视觉等方面的技术虽趋于完善,但机器听觉的主要研究对象是语音和声纹,其对复杂声音事件分类和检测等领域的研究仍相对匮乏。该方法从先验信噪比的定义出发,使用小波阈值多窗口功率谱估计方法减小语音功率谱和噪声谱的方差,从而实现先验信噪比的平滑。并运用一种无监督系统,使用增强型多窗口萨维茨基-戈雷 (MWSG) 频谱图进行稳健的鸟类声音检测。原创 2023-03-28 15:49:38 · 50 阅读 · 0 评论 -
【MCTV】通过非凸总变异最小化重建凸 MR 脑图像(Matlab代码实现)
针对于核磁共振(MR)图像重构中由于欠采样导致的重构图像不够完整、边缘模糊以及噪声残留等问题,提出了一种基于L2正则的非凸全变差正则重构模型。实验结果均表明,与几种典型的图像重构方法相比,所提模型性能更优,相对误差明显降低,峰值信噪比(PSNR)有明显改善,较经典的L1非凸正则重构模型提升了大约4 dB,并且重构后的图像视觉效果显著提升,有效地保留了原始图像的边缘细节。图像分割是一个经典难题,至今没有一个通用的有效分割方法,也不存在一个分割的评价标准。(f) (a)和(d)之间的区别。原创 2023-03-28 15:32:22 · 45 阅读 · 0 评论