• 等级
  • 399342 访问
  • 59 原创
  • 1 转发
  • 12505 排名
  • 184 评论
  • 69 获赞

曲率滤波的简单实现只有源码

/**打算自己实现一个更快更好的曲率滤波的算法将其开源,但发现按照作者的博士论文的算法出来的效果,达不到作者文献中的效果。而看作者公开的代码,发现和作者论文的算法又差距较大。应该是鄙人对作者算法理解的问题,这里是我实现的一些代码,并不能直接运行,但不影响阅读。我的实现方式和作者的实现方式完全不同,之所以采用这种方式,是因为还可以采用更多的指令集的优化再次基础上加

2016-12-04 15:57:27

C语言实现通用数据结构的高效设计

以简单的插入排序为例,说明如何在C语言中实现对任意数据类型的支持,同时模拟C++的模板,在代码大小和运行效率上取得平衡。

2014-10-31 16:14:36

MATLAB conv2卷积的实现

MATLABconv2卷积的实现

2014-08-26 19:13:36

矩阵LU分解分块算法实现

本文主要描述实现LU分解算法过程中遇到的问题及解决方案,并给出了全部源代码。1.什么是LU分解?     矩阵的LU分解源于线性方程组的高斯消元过程。对于一个含有N个变量的N个线性方程组,总可以用高斯消去法,把左边的系数矩阵分解为一个单位下三角矩阵和一个上三角矩阵相乘的形式。这样,求解这个线性方程组就转化为求解两个三角矩阵的方程组。具体的算法细节这里不做过多的描述,有很多的教材和资源

2014-08-06 18:37:30

常用资源链接

本文主要收集本文作者收藏的资源链接,以备查用。本文会持续更新!1.对于从事codec研发,尤其是语音和音频codec研发的人,都知道的ITU-3GP组织。这里汇集了所有与ITU-3GPcodec相关的资源,主要包括标准文档,   当然还有各个标准的参考代码。  1.1 http://www.itu.int/rec/T-REC-G/en ITU-G系列的资源,例如G7

2014-03-08 13:10:47

对图像去噪的拙见

本文主要从实用主义的角度,描述了作者对当前图像去噪算法一些见解。

2013-12-29 15:50:30

暗通道去雾与自适应直方图均衡去雾之比较

本文主要对比两种去雾算法的优略。1.暗通道去雾方法      这种方法目前研究的比较多。虽然大家认为去雾已经被研究烂了,但是从工程实践的角度看,仍然存在很多问题。却不说暗通道先验对天空本身的不合理假设,就单说时间复杂度。对于视频图像处理来说,视频编解码就已经占了大量的CPU时间,而如果其它一些图像增强的算法也要占用大量的计算时间,就会导致了很多所谓的thestateofa

2013-11-05 10:14:44

CUDA编程札记

1.      关于线程号的计算方式 1.1  使用N个线程块,每一个线程块只有1个线程此时线程号的计算方式如下: Tid=blockIdx.x其中,Tid的取值范围为0到N-1。对于此种情况,可以看做一个列向量,列向量中的每一行对应一个线程块。列向量中的每一行只有1个元素,对应于一个线程。1.2  使用MxN个线程块,每一个线程块只有1个线程由于线程块是

2013-09-07 14:55:51

一种极快速去模糊效应图像细节增强及其应用

本文主要介绍本人自己实现的一种图像的细节增强技术,同时对比了两篇重要的参考文献的实际处理效果。图像的细节增强有很多典型的应用,例如暴风影音的左眼功能能让图像看起来更清晰一点。笔者通过实际测试发现,暴风使用的可能是简单的锐化加上图像的对比度等调节功能,因为对于视频后处理不太可能采用很复杂的算法。图像处理的很多算法都可以直接用于视频后处理,但是,有一个前提:就是算法不能太复杂,否则实时性不

2013-08-09 16:37:52

基于稀疏表示的人脸识别

本文主要记录自己对稀疏表示在人脸识别中的应用做一些总结。1. 背景与动机    信号的稀疏性并不是新的东西。我们很早就在用这一特性。例如,最简单的JPEG图像压缩算法。原始的图像信号经过DCT变换之后,只有极少数元素是非零的,而大部分元素都等于零或者说接近于零。这就是信号的稀疏性。    任何模型都有建模的假设条件。压缩感知,正是利用的信号的稀疏性这个假设。对

2013-07-06 13:53:29

从自联想神经网络到深度神经网络

深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第六篇,简要描述深度神经网络模型。1. 自联想神经网络与深度网络    自联想神经网络是很古老的神经网络模型,简单的说,它就是三层BP网络,只不过它的输出等于输入。很多时候我

2013-06-12 17:40:08

谈谈快速非局部去噪算法

图像去噪是一个经典的课题。然而,对于真实数码照片,要想达到良好的去噪效果,且非易事。尤其是对于手机拍摄的照片,更是如此。如果你在光线不好的环境下,用手机前置摄像头拍照,往往会有很多的噪声。      我们可以在任何一本关于数字图像处理的教材上找到多种图像去噪的方法。但是,这些经典的方法,对于真实图像去噪的效果很不好。这些方法都会让图像变得模糊而导致很差的视觉效果。尽管用双边滤波可

2013-06-11 16:23:10

浅谈凸优化问题中的Bregman迭代算法

对于搞图像处理的人而言,不懂变分法,基本上,就没法读懂图像处理的一些经典文献。当然,这已经是10年之前的事情了。     现在,如果不懂得Bregman迭代算法,也就没法读懂最近几年以来发表的图像处理的前沿论文了。国内的参考文献,基本上都是直接引用Bregman迭代算法本身,而对于其原理基本上找不到较为详细的论述。本文简要叙述当前流行的Bregman迭代算法的一些原理。

2013-06-08 17:59:49

PCA方法从原理到实现

深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第五篇,谈谈PCA模型。本来PCA模型与深度学习是没有任何联系的。通常我们只是用PCA来对机器学习的数据做预处理。本来想详细记录一下PCA的原理,但发现网上已经有一篇不错的文章,链接如下:http

2013-06-07 15:29:23

视频图像处理中的频域下采样技术

在传统的图像,视频的后处理阶段,一般会涉及到图像大小的缩放问题。这样的操作是为了适配不同屏幕分辨率的大小。例如,对于高档相机拍摄的照片,一般都很大,而要在普通显示器上显示,则要在解码图像数据之后再做缩小操作才能显示到屏幕上。对于手机屏幕,更是如此。那么,能否在图像解码的过程中实现图片的缩小?答案是肯定的。网上开源的jpeg项目早就实现了频域下采样技术。美图秀秀,QQlive等多款桌面图片应用软件也

2013-06-05 10:20:03

逻辑回归与softmax回归

深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第四篇,谈谈我对逻辑回归和softmax回归的一点理解。网络上对逻辑回归和softmax回归论述也很多,包括各种不同语言的代码,都可以下载到。1. 逻辑回归源于线性回归模型。   线性回归问题的自变量是连续变量,而逻辑

2013-06-03 17:15:56

高质量单幅图片运动去模糊

摘要:我们提出了一种从单一图片去除运动模糊的算法。我们的方法在去模糊图像的计算过程中,对于卷积核的估计和清晰图像,采用统一的概率模型。我们分析了当前去模糊方法中通常存在的人工痕迹的产生原因,而后在我们的概率模型中引入了一些新的术语。这些术语包括模糊图像噪声的空域随机模型,还有新的局部平滑先验知识。通过对比度约束,即使是低对比的模糊图像,也能减少人工振铃效应。最后,我们描述了一种有效的优化方案,通过

2013-06-01 10:16:33

快速视频图像上采样

摘要     我们提出了一种简单而高效的上采样方法。这种方法能够自动的增强视频图像的分辨率,同时能够保持图像的重要结构信息。我们的方法主要优点在于一个反馈控制框架,这个框架能够从低分辨率图像确切地复原高分辨率图像,而不需要强加从其它样本中学习到的图像的局部结构约束信息。这使得我们的方法在图像质量上与通过大量采样学习得到的高质量图像是独立的。通常大量样本学习的算法,能够产生高质量的图像质

2013-06-01 09:43:50

受限波尔兹曼机

深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第三篇,谈谈自己对最近几年颇为流行的受限波尔兹曼网络RBM的理解。我不打算详细描述其生物学运行机理和相关的算法推导过程,因为网络上已经有太多的教程可以参考。1. 概述    前面描述的神经网络

2013-05-28 14:30:35

卷积神经网络

深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功。本人在多年之前也曾接触过神经网络。本系列文章主要记录自己对深度神经网络的一些学习心得。第二篇,讲讲经典的卷积神经网络。我不打算详细描述卷积神经网络的生物学运行机理,因为网络上有太多的教程可以参考。这里,主要描述其数学上的计算过程,也就是如何自己编程去实现的问题。1.概述

2013-05-25 13:42:36

celerychen2009

数学爱好者,人工智能爱好者
关注
  • IT服务·系统集成/研究员/技术专家/教授
  • 浙江省 杭州市