搜索资源列表
Tcurvelet_feah
- 该源码可以实现对彩色或灰度图像的曲波（Curvelet）特特征的提取，以便后续做纹理图像分割。，已通过测试。 -The source code can achieve on color or grayscale images the Curvelet (of Curvelet) special feature extraction, in order to follow-up to do texture segmentation. , Has been tested.
Skeleton-pruning
- 这是谷歌特征点提取，可以提取到图像的轮廓，特征点及内部的纹理线，共同描述一幅图像-This is Google feature point extraction, can be extracted into the outline of the image, the texture of the feature points and the internal lines, common to describe an image
zhifangtujiansuo
- 基于内容的图像检索（Content-based Image Retrieval，简称CBIR）技术被提出。这一技术的出现提高了图像检索的准确性，它通过提取图像本身的内在客观特征如颜色、纹理、形状、布局等关系，并比较这些视觉特征间的相似性，自动搜索出符合用户要求的图像。-Content-based image retrieval (Content-based Image Retrieval, referred to as CBIR) techniques have been proposed. T
facetest
- 基于GABOR变换的特征纹理图像提取 人脸轮廓的提取-base on gabor to pick up the people s face charactors
zijichangshimbianyige
- 以多光谱数据为原始数据，通过空间变换、滤波、融合、纹理及图像处理等手段，提取遥感图像多维、多尺度特征，最终建立面向目标检测、识别和分析的特征空间，并使用NASA的实测数据对方法的性能进行验证和分析。-Multi-spectral data to the original data, through space conversion, filtering tools, integration, texture and image processing, remote sensing images
yuandaima
- 以多光谱数据为原始数据，通过空间变换、滤波、融合、纹理及图像处理等手段，提取遥感图像多维、多尺度特征，最终建立面向目标检测、识别和分析的特征空间，并使用NASA的实测数据对方法的性能进行验证和分析。-Multi-spectral data to the original data, through space conversion, filtering tools, integration, texture and image processing, remote sensing images
License-Plate-Recognition
- 首先对图像直方图均衡化，并去除噪声，然后提取颜色、结构、纹理等特征，对车牌进行识别-License Plate Recognition
bp_network
- 对两种类型的纹理图像，各选取30幅，计算灰度共生矩阵，提取特征向量；构件BP神经网络分类器，用每种类型的前20幅对分类器进行训练，后10幅用来测试分类效果。-Two types of texture image for each select 30 calculated GLCM, extracting feature vectors member BP neural network classifier, before use each type of 20 pairs classifier
Grading-test
- 为实现合格和缺陷板栗的分级， 研究了 1 种基于 BP 神经网络与板栗图像特征的板栗分级方法。 试验以罗田板 栗为研究对象， 提取的颜色及纹理等 8 个特征值， 通过主成分分析提取相应的主成分得分向量构成模式识别的输入。 利 用 BP 神经网络方法建立了板栗分级模型。 试验结果表明， 在图像信息主成分因子数为 3， 中间层节点数为 12 时， 建立 的模型最佳， 模型训练时的回判率为 100 ， 预测时识别率达到了 91 .67 。 研究结果表明基于机器视觉技术的针对缺陷 板栗分
image-mosaic.doc
- 图像拼接(image mosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。 一般来说,图像拼接的过程由图像获取,图像配准,图像合成三步骤组成,其中图像配准是整个图像拼接的基础。本文研究了两种图像配准算法:基于特征和基于变换域的图像配准算法。 在基于特征的配准算法的基础上,提出一种稳健的基于特征点的
gabor_main
- 纹理图像的分割，使用k-means分割，代码主要介绍了特征的提取，具体的参数设定-Texture image segmentation, the use of k-means segmentation, the code describes the feature extraction, the specific parameter settings
two
- ：植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而，低维特征不能全面描述叶片信息，识别准确率低，本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理，获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征，对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征，对纹理图像提取分形维数，共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相
hing_kr81
- 用于图像处理的独立分量分析，经典的灰度共生矩阵纹理计算方法，包含特征值与特征向量的提取、训练样本以及最后的识别。- Independent component analysis for image processing, Classic GLCM texture calculation method, Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition
cvGabor
- 傅里叶变换是一种信号处理中的有力工具，可以帮助我们将图像从空域转换到频域，并提取到空域上不易提取的特征。但是经过傅里叶变换后，图像在不同位置的频度特征往往混合在一起，但是Gabor滤波器却可以抽取空间局部频度特征，是一种有效的纹理检测工具(Fu Liye transform is a powerful tool in signal processing, which helps us transform images from airspace to frequency domain and e