NMS NMS-非极大值抑制-Python实现 内有代码和图片的实现

Shi-tomasi角点检测，python实现及基于opencv实现 总结了几种非极大值抑制代码

针对图像配准中尺度不变特征变换（SIFT）算法解算速率慢的问题，提出了基于非极大值抑制的改进算法。该算法扩大了极值检测区域半径，对SIFT关键点进行筛选，实现了关键点的优化分布。还提出一种自适应确定检测区域半径的方法，来更精确地控制关键点的数目和分布。仿真试验结果表明，该算法能在一系列不同的图像变换下表现出稳定的配准结果，解算速率较标准SIFT算法提升显著。

复杂背景下的图像边缘通常非常复杂。为了解决人耳图像边缘检测中区域精度要求和抗噪性的矛盾,提出了一种基于小波模极大值的人耳边缘提取方法。首先对图像进行小波分解,得到3种不同尺度下的小波模极大值图像;接着将图像分别转换为二值边缘图像;然后将这些图像进行叠加;最后利用肤色二值图排除肤色区域范围外的噪声点得到边缘图像。此肤色二值图是图像经过形态学处理,并且依据人侧脸的先验知识通过分析和筛选所得到的。该方法引入了多尺度小波模极大值图像叠加技术,对解决复杂背景下人耳内外边缘特征难以提取的问题有良好的效果。实验结果表明,该方法在复杂背景下是有效的。

鉴于古典变分法的应用条件失之过严,引起了不少数学界和控制界学者的关注。 其中,贝尔曼的动态规划和庞特里亚金的极大值原理是较为成功的,应用也很广泛,成为解决最优控制问题的有效工具。 本节主要介绍极大值原理的结论及其启发性证明。 讲授内容为 自由末端的极大值原理 极大值原理的证明 极大值原理的几种具体形式 约束条件的处理

基于故障行波的输电线路单端故障定位利用故障点的反射行波与入射行波到达母线的时间差计算故障距离，但如何区分来自故障点和对端母线的反射行波仍是一个难题。在分析故障点和母线的反射特性的基础上，利用电流行波线模分量小波变换的最初2个模极大值之问的相对极性区分来自故障点和对端母线的反射行波．并提出了一种改进的基于小波变换模极大值的输电线路单端故障快速定位方法，能够不受故障类型、故障电阻及耦合线路的影响。理论分析和仿真结果表明，该方法切实可行。

遗传算法求函数极大值(matlab实现).doc

文章利用小波变换和多分辨率分析的性质,从多尺度角度对图像边缘检测算法进行分析,总结出小波变换模极大值多尺度边缘检测算法。通过对标准图像Lena进行小波变换模极大值多尺度边缘检测结果发现,其比小波变换模极大值边缘检测算法和Canny算法在部分边缘检测中得到了更多的细节信息,使图像变得更真实。

NMS\SoftNMS\两种非极大值抑制算法实现

利用遗传算法求函数的极大值的一个例子 function [BestSfi,BestS,x1,x2]=GenericAlgorithm(Size,G,Codel,umax,umin,pc,pm)