针对MSR算法在图像去雾应用中存在颜色失真现象且计算量大的问题，提出一种具有颜色保真性的快速MSR去雾算法。通过将MSR算法对RGB三个颜色通道的处理转变为仅对暗原色单一通道进行处理，避免了对颜色通道间色调相关性的影响，实现颜色保真，同时大大减少了算法执行时间。实验结果表明该算法克服了MSR去雾算法的颜色失真问题，能够有效提升图像的对比度和饱和度，实现图像快速去雾。

图像分割是基于地理对象的图像分析（GEOBIA）中至关重要的基础步骤。 许多多尺度分割算法已被广泛用于高分辨率（HR）遥感图像中。 这些细分算法需要一个预设参数（称为scale参数）来控制每个对象的平均大小。 但是，由于空间变化，单一尺度参数几乎不能描述具有不同土地覆被的区域的边界。 为了克服这一局限性，本研究提出了一种用于多尺度分割的自适应参数优化方法。 为了找到最佳的物体尺度，通过计算物体内部和内部物体之间的光谱角来应用局部光谱异质性度量。 与选择全局最优尺度参数不同，本研究旨在从所有不同尺度的结果中直接搜索最优对象，并将其组合为最终的分割结果。 在实验中，使用多分辨率分割生成不同比例的分割结果，并将QuickBird-2图像用作test.data。 在四张HR测试图像上的优化结果表明，与单尺度分割结果相比，该方法具有更好的分割效果。

多尺度熵matlab程序。多尺度熵(Multiscale entropy, MSE)将样本熵扩展到多个时间尺度,以便在时间尺度不确定时提供额外的观察视角。

多尺度有限元，主要包括多尺度有限元方法，非协调有限元方法，以及均值化方法

基于多尺度空间划分与路网建模的城市移动轨迹模式挖掘

基于多尺度特征融合网络的交通标志检测_刘胜.pdf

行人检测在视觉监控，驾驶员辅助系统中具有广泛的应用。 它在计算机视觉和模式识别中也非常重要。 在我们的研究中，我们提出了行人检测的多尺度方案。 行人检测方案包括构建强分类器和多尺度检测的两个步骤。 强分类器是弱分类器的集合，是通过使用基于类似Harr特征的AdaBoost学习算法构建的。 然后，采用强分类器对多尺度图像中的行人进行检测，并对检测结果进行合并。 在我们的实验中，提出的多尺度检测方案在灵敏度达到89.3％的情况下每张图像报告了0.35个假阳性。 这表明行人检测的多尺度方案实现了高性能。

首先通过对多尺度排列熵算法的参数时间序列长度 N、嵌入维数 m、延迟时间 t 和尺度因子 s 进行研究，得出对其参数优化的必要性。进而在综合考虑参数影响的 基础上，以多尺度排列熵的偏度构造目标函数，利用遗传算法(GA)、粒子群优化算法(PSO)对多尺度排列熵算法(MPE)的参数进行寻优，得到最优参数。

分子模拟软件LAMMPS中多尺度仿真的AtC模块的中文翻译

适用于水下图片和雾霾图