十进制小数转二进制matlab代码图像隐写术 隐写术 它是一种将数字数据（例如音频/图像/视频）隐藏在普通的简单非保密文件（例如音频/图像/视频）中的技术。 详细了解隐写术。 关于该项目 这是使用LSB （最低有效位）技术进行图像隐写术的简单实现。 使用MATLAB实现。 该项目包括两个实现： ：将一个图像隐藏在另一个图像中。 ：在图像中隐藏纯文本。 目录 img2img 斯蒂格诺 解密 前景色.png message.png txt2img 斯蒂格诺 解密 b2d.m d2b.m get_char.m put_to_img.m cover.png 文件描述 img2img / ：运行此文件可将图像隐藏到另一个文件中。 确保前景和背景图像相同的尺寸（foreground.png和message.png增加供参考）。 该文件生成一个新的图像文件作为输出。 ：运行此文件以从stegano.m生成的图像中获取隐藏图像。 txt2img / ：运行此文件以将纯文本隐藏到图像中（添加cover.png以供参考）。 该文件生成一个新的图像文件作为输出。 ：运行此文件以从stegano.m生成的图像

层次分析matlab代码基于分层分割的协同显着检测 1此代码适用于论文：** [1] Z. Liu，W。Zou，L。Li，L。Shen和O. Le Meur，“基于分层分段的共显着性检测”，IEEE信号处理。 Lett。，第一卷21号1，第88-92页，2014年1月。只能用于非商业目的。 如果您使用我们的代码，请引用论文[1]。 2此代码需要[2] P. Arbelaez，M。Maire，C。Fowlkes，J。Malik，“轮廓检测和分层图像分割”，IEEE模式分析和机器智能交易，第1卷。 33，不。 ，第5卷，第898-916页，2011年5月。[2]的源代码包含在“ lib”文件夹中，也可以从以下位置下载 3运行代码我们已经在ubuntu 12.04下测试了此代码。 在MATLAB中运行Demo.m，您将看到一个示例。

Matlab代码金字塔PyTorch LapSRN CVPR2017论文在PyTorch中的实现：“用于快速而准确的超高分辨率的深拉普拉斯金字塔网络”（） 用法 训练 usage: main.py [-h] [--batchSize BATCHSIZE] [--nEpochs NEPOCHS] [--lr LR] [--step STEP] [--cuda] [--resume RESUME] [--start-epoch START_EPOCH] [--threads THREADS] [--momentum MOMENTUM] [--weight-decay WEIGHT_DECAY] [--pretrained PRETRAINED] PyTorch LapSRN optional arguments: -h, --help show this help message and exit --batchSize BATCHSIZE training batch size --nEpochs NEPOCHS number of epochs to train for --lr LR

文件夹内包含Armjio求步长代码以及一个函数文件、梯度函数文件和求解文件，代码注释完整，代码已公开在博客内：https://zqfeng.blog.csdn.net/article/details/117550614

均值漂移聚类matlab代码使用从卷积自动编码器中学到的功能进行无监督图像分割 通过训练深度卷积自动编码器，已经从图像中学到了一些有用的功能。 我们使用PCA进行了特征变换。 最后，采用均值漂移聚类算法以无监督的方式对图像进行分割。 EDISON分割：基于EDISON工具箱的图像分割 均值漂移马替代方案：Weizmann马数据集下均值漂移聚类的替代试验 Training BSDS500 ：BSDS 500数据集下的培训网络代码 训练马：Weizmann马数据集下的训练网络代码 可视化PCA功能：可视化PCA转换后的功能 替补：计算图像分割的BSDS测试分数 EDISON matlab接口：用于均值漂移聚类的matlab包装器

矩阵论 Householder变换 Matlab代码实现

matlab代码中的rir 使用非常深的残差通道注意网络的图像超分辨率 这个存储库是为下面论文中介绍的RCAN 、 、 、 、 、 和，“使用非常深的残差通道注意力网络的图像超分辨率”，ECCV 2018， 该代码基于 Ubuntu 14.04/16.04 环境（Python3.6、PyTorch_0.4.0、CUDA8.0、cuDNN5.1）和 Titan X/1080Ti/Xp GPU 构建和测试。 RCAN 模型也已合并到 . 内容 介绍 卷积神经网络 (CNN) 深度对于图像超分辨率 (SR) 至关重要。 然而，我们观察到图像 SR 的更深网络更难训练。 低分辨率的输入和特征包含丰富的低频信息，这些信息在通道间被平等对待，因此阻碍了 CNN 的表示能力。 为了解决这些问题，我们提出了非常深的残差通道注意网络（RCAN）。 具体来说，我们提出了残差中的残差（RIR）结构来形成非常深的网络，该网络由几个具有长跳跃连接的残差组组成。 每个残差组包含一些具有短跳跃连接的残差块。 同时，RIR 允许通过多个跳过连接绕过丰富的低频信息，使主网络专注于学习高频信息。 此外，我们提出了一种通道

三自由度matlab代码代码有限元 这个 Matlab 程序提供了一个平台来促进有限元和边界元公式的实现。 它旨在作为研究工具。 结构 可以考虑三个级别。 使用现有的有限元公式来解决给定的问题。 实施和验证新的有限元公式。 这是这段代码的主要目的。 它旨在使（相对）容易地从纸上的变分公式转变为可以验证和评估的工作实现。 可用的不同有限元公式或边界元公式位于 Library 目录中。 所有有限元模型所需的低级和通用任务，例如分配自由度、在全局系统中组装元素矩阵。 所有这些方面都由 Core 目录中的函数和脚本提供。 文档 更多详细信息将在文档目录中提供。 例子 请参阅示例目录。 一些背景 该代码的第一个版本最初是在 2000 年由法国贡比涅科技大学的声学小组开发的。进一步开发了各种修订版，该代码用于多个研究项目。 此后它已被其他研究小组使用，导致独立开发了几个不同的版本。 该存储库试图将其中一些功能组合在一起。

图像矩阵matlab代码阴影深度 这段代码实现了以下方法： 用不适感对抗不适感：阴影产生的单次变化深度超分辨率B. Haefner，Y。Quéau，T。Möllenhoff，D。Cremers； 计算机视觉和模式识别（CVPR），2018年。 聚光灯演示 我们提出了一种原则上的变分方法，用于将单个深度图上采样到RGB-D传感器提供的同伴彩色图像的分辨率。 我们将异构深度和颜色数据结合在一起，以共同解决不适定深度的超分辨率和阴影形状问题。 从低分辨率深度测量中提取消除阴影阴影形状所需的低频几何信息，并且对称地，RGB图像中的高分辨率光度线索提供消除深度超分辨率所需的高频信息。 0. GPU版本 此代码的GPU版本已发布。 1.要求 此代码具有四个第三方依赖项： MATLAB（代码已通过测试，可在MATLAB R2017b下运行） （强制的） （强制的） （强制的） （可选，但强烈建议） 将这四个存储third_party到此存储库的third_party目录中的指定文件夹中，并进行构建。 2.输入 一个超分辨率RGB图像I 一个伴随的低分辨率深度图像z0 。 描述RGB图像中感兴趣对象的

会议论文的MATLAB代码： MK Naik 和 R. Panda，“一种用于基于人脸识别的内在判别分析的新型自适应布谷鸟搜索算法”，Applied Soft Computing，Vol。 38，第 661-675 页，2016 年。 与 CS 算法相比，ACS 算法需要更少的时间。 除了布谷鸟/主机的数量、搜索范围和放弃概率之外，它不需要预定义的参数。 该算法对于决定参数可能会影响性能的应用是有效的。