基于多尺度几何分析方法——非下采样轮廓波(Contourlet)变换(NSCT)和Beamlet变换,提出一种全新的医学图像融合方法。在进行NSCT分解后,在高频成分首先使用Beamlet变换进行边缘检测,然后根据聚类分割边缘密度的差值确定其系数的融合规则;对于低频成分,采用局部区域标准方差系数的融合规则;经过一致性校正后,通过对融合后的高频与低频子带系数进行逆NSCT得到重构图像。数值实验表明,与传统的融合方法相比较,本文方法能够有效减少噪声对融合图像的干扰,增强了融合的线性细节表达能力,提高了信息量。

大数据-算法-高速加速运动目标检测及雷达目标微动特征提取算法研究.pdf

基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统源码 基于Gradio的YOLOv5通用目标检测系统

基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时目标检测项目代码 基于TensorFlow.js的YOLOv5实时

本套课程用keras模型从头实现一个fasterRCNN，全程实战。通过本课程的学习，不仅能掌握fasterRCNN训练原理，而且能极大提高深度学习的代码能力。

YOLO系列作为目标检测算法中非常经典的一个分支，也是很多入门目标检测算法的基础算法，目前，基于深度学习算法的一系列目标检测算法大致可以分为两大流派： 1.two-stage算法：先产生候选区域然后再进行CNN分类(RCNN系列)， 2.one-stage算法：直接对输入图像应用算法并输出类别和相应的定位(YOLO系列) 之前的R-CNN系列虽然准确率比较高，但是即使是发展到Faster R-CNN，检测一张图片如下图所示也要7fps(原文为5fps)，为了使得检测的工作能够用到实时的场景中，提出了YOLO。

利用realsense进行目标检测，并标注出目标物和目标anchor中心的像素坐标和深度信息

最近老师让做图像融合 自己结合书上的代码编写了一个基于小波变换的图像融合matlab代码 很简洁 但是可用 希望对大家有帮助！参考书籍是matlab数字图像处理哦！

目的提出一种边缘检测改进算法，提高边缘检测精确性。方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行LaDlacian边缘检测。结果噪声得到抑制，边缘定位精确度上升，识别率提高。结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的。

本论文所做的工作及创新主要包括以下几个方面: 1)查阅了国内外一定数量的期刊、文献，综述了图像融合的基本概念，总结了该领域 研究的最新进展，对存在的问题进行了讨论，并展望了未来的发展趋势。 2)对图像融合的算法进行了细致的归类，具体解释了空域、变换域图像融合算法，像 素级、特征级以及决策级图像融合算法各自的适用范围和特点。 3)综述了该领域的热点图像融合问题，对多传感器图像融合、多分辨率图像融合以及 多聚焦图像融合，分别做出了具体说明。 4)回顾了傅立叶变换和小波变换的发展，由多分辨率分析引出了金字塔型和基十小波 变换的两类图像分解与重构方法;特别针对影响图像融合效果的各种因素:融合图像的类 型、小波变换的基函数、滤波器、分解层数以及融合规则，进行了归纳总结。 5)讨论了图像融合质量的评价方法，单独列出了主观和客观相结合的方法。在仿真实 验中，使用MATLAB中的图形用户界面GUI和小波工具箱(Wavelet Toolbox，实现了图 像融合质量评价的可视化。该研究成果可参照已发表论文《小波图像融合评价方法的综合 比较研究》。 6)综述了吉布斯现象，并讨论了抑制伪吉布斯现象的平移不变小波变换。将在基十“平 移平均”思想的Cycle Spinning算法用十图像融合，提出了一种基十小波变换的Cycle Spinning图像融合的方法(称为CSDWT，简称为CS方法)，并在仿真实验中实现了该过 程，取得了较好的主观和客观融合效果。该研究成果可参照已发表论文《小波变换结合Cycle Spinning图像融合的研究》。 7)进一步研究了Cycle Spinning算法，就平移方向和平移量两个问题提出了不同的平 移策略，从}fu改进了CS方法;仿真实验证明，这种改进没有减弱图像的融合效果，ifu b_ 减少了计算量。该研究成果可参照已发表论文《基十小波变换的Cycle Spinning图像融合的 扩展研究》。