基于使用正交滤波器或单项式滤波器计算和处理结构张量的 MATLAB 库。 为2D和3D实施。

张量处理 用于计算和处理结构张量的MATLAB库 版权 版权所有（c）2015 Daniel Forsberg 关于 该存储库包含用于根据2D和3D数据计算结构张量的功能。 存储库中提供了执行此操作所需的正交滤波器和单项式，以及显示如何优化自己的正交滤波器的函数。 请注意，要优化自己的过滤器，需要访问kerngen工具箱，该工具箱位于： ://www.imt.liu.se/edu/courses/TBMI02/code/kerngen.zip。 kerngen工具箱对于使用GOP着色方案基于2D数据的结构张量的可视化也很有用。 设置 要使用此存储库中可用的代码，请将以下行添加到您的startup.m文件中。 addpath（'此存储库的路径'） setup_tensor_processing_repository（） 请注意，该库取决于我的matlab-utilities存储库，

结构张量教程。 通常与图像处理和结构推理相关联，此代码提供了一个完全封装的包来解释和演示结构张量的使用。 剧目结构TensorDemo 或使用 html 正确可视化 LaTeX 方程。

执行图像的一致性增强扩散，这个算子是用于多尺度纹理增强，特别是对不连续的指纹，可以用来增强和连接纹理是halcon中的算子coherence_enhancing_diff

针对现有图像复制粘贴篡改检测算法计算复杂度过高的问题，提出了一种基于分组尺度不变特征变换的图像复制粘贴篡改快速检测算法。首先，利用简单线性迭代聚类将输入图像分割成非重叠且不规则的块；然后，根据图像块内结构张量属性将其分为平坦块、边缘块和角点块，提取图像块内的SIFT特征点作为块特征；最后，通过块特征的类间匹配定位篡改区域。所提算法通过图像块分类和类间匹配，在保证检测效果的同时，有效地降低了特征匹配定位篡改区域阶段的时间复杂度。实验结果表明，所提算法检测准确率为97.79%，召回率为90.34%， F值为93.59%；图像尺寸为1 024像素×768像素时算法时间复杂度为12.72 s，图像尺寸为3 000像素×2 000像素时算法时间复杂度为639.93 s。与已有的复制粘贴算法相比，所提算法能够快速精准地定位篡改区域，且具有较好的稳健性。

针对传统各向异性扩散方程在修复图像时仅考虑梯度模的大小 且在修复彩色图像时易产生虚假边缘 等缺陷 提出基于结构张量的图像修复方法 将结构张量作为各向异性扩散方程的扩散系数 实现在不同区域有不 同的扩散方式 实验结果显示: 该方法与整体变分 TV 和BSCB 方法相比 提高了图像修复效果 有效地完成对于彩 色图像的修复 关键词: 图像修复; 结构张量; 偏微分方程; 各向异性扩散 中">针对传统各向异性扩散方程在修复图像时仅考虑梯度模的大小 且在修复彩色图像时易产生虚假边缘 等缺陷 提出基于结构张量的图像修复方法 将结构张量作为各向异性扩散方程的扩散系数 实现在不同区域有不 同的扩散方 [更多]

利用图像局部特征，提出了一种基于[Lp]范数的变指数正则变分模型。采用结构张量作为[Lp]范数算子的自适应调整参数，克服了传统算子对噪声敏感的缺陷。从扩散的角度看，该模型是各向异性的，在图像同质区趋于平滑滤波，在图像渐变区趋于沿边缘方向扩散。该方法在扩散的同时更好地保持图像的边缘细节。实验结果表明，该方法对医学图像的复原效果优于其他几种变指数变分模型，各种客观性能指标也更佳。

matlab中拟合中心线的代码基于广义结构张量（GST）的虹膜分割代码 该存储库是本文的原始实现，发表在（国际生物识别会议：理论，应用和系统）上。 该方法背后的理论在本文中得到了进一步扩展，发表于。 该软件接受虹膜图像作为输入，并输出输入虹膜图像的分割信息（有关更多信息，请参见下文）。 它能够处理在近红外（NIR）和可见（VW）光谱中采集的图像。 GST代码包含以下步骤（某些步骤可以停用或自定义，请阅读该代码随附的文档）： 图像下采样是为了提高速度。 这不会影响准确性，因为稍后将检测到的虹膜圆拟合到不规则的虹膜轮廓，因此可以补偿由于下采样而导致的虹膜圆检测中分辨率的任何损失。 基于不调整的对比度归一化（Matlab函数）。 这会增加图像对比度，从而在0-255范围内完全散布灰度值。 基于参考文献3中公开的方法进行镜面反射去除 根据参考文献2中发布的方法计算图像频率。这有助于将步骤5-8的内部参数自定义为输入图像。 如参考文献2所示，使用图像频率进行自适应睫毛去除。该方法基于参考文献4中公开的p秩滤镜。去除了睫毛，因为它们会形成很强的垂直边缘，从而可能误导用于眼中心估计和虹膜的滤镜步骤7

针对双边滤波器灰度相似权函数易受噪声影响且在图像细节区域滤波存在盲目性的问题，提出一种新的图像三边滤波器用以过滤高斯噪声。通过局部结构张量奇异值分解估计图像的几何结构信息， 获得能够刻画图像内容差异的特征信息。在此基础上，设计基于图像特征分类的灰度相似权函数，同时通过引入结构相似权的方式将鲁棒的特征信息耦合到双边滤波器框架下，以保持更多的图像细节。利用三边加权提供更可靠的像素相似性度量方式，并采用局部自适应滤波参数选取方法进一步提高算法的滤波性能。实验结果表明，该滤波器在去除噪声的同时能够较好地保持图像的边缘、纹理等结构信息。