搜索资源列表
pixel_region_grow
- 像素聚类区域成长法-- 顾名思义,此方法从一个种子像素开始,通过如平均灰度,组织纹理及色彩等性质的判断,将具有类似性质的像素逐一纳入所考虑的区域中,使此区域由种子逐渐成长成一个性质相似的图像区块。-pixel clustering method regional growth -- the name implies, this method from a seed pixels, through such as average gray, the color and texture orga
Delphi
- 针对目前的基于特征的图像检索中没有有效地结合图像中对象空间信息的问题,提 出了一种新的融合了颜色、空间和纹理特征的图像特征提取及匹配方法。为了减少时间 间复杂度,首先通过基于普通颜色直方图的检索得到初始图像集合,然后根据提出的结合空间、纹理特征加权度量对初始图像集合再进行检索,从而得到最后更符合要求的相似图象
Ningjifeng
- 宁纪锋的文章(基于最大相似度区域合并的图像分割算法)及实现代码。-Ning Jifeng s article (image segmentation algorithm based on maximum similarity region merging) and its code.
Interactive-Image-Segmentation
- 基于区域合并最大相似度的交互式图像分割算法,很好的。Interactive Image Segmentation by Maximal Similarity based Region Merging,-Interactive Image Segmentation by Maximal Similarity based Region Merging,
Image-thresholding
- 利用严格等价函数构建模糊相似度进行图像分割,效果很好-Use strict equivalent functions to build fuzzy similarity for image segmentation, good effect
Image-Impaint-Based-on-Curvelet
- 基于Curvelet变换的样本块图像修复算法提高现有样本块修复算法性能。首先利用Curvelet 变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.-Based on the sample block transform image restoration algorithm Curvelet enhance existing sample block repair algorithm performance. First
SSIM1
- 基于结构相似度的图像融合算法,利用SSIM来对红外和可见光图像进行融合。-Image fusion algorithm based on structural similarity, the use of SSIM to infrared and visible image fusion.
3
- 基于马氏距离度量的局部线性嵌入算法 局部线性嵌入算法(LLE)中常用欧氏距离度量样本间相似度.而 对于图像等高维数据,欧氏距离不能准确体现样本间的相似程度.文中提出基于马氏距离度量的局部线性嵌入算法(MLLE).算法首先从现有样本中学习到一个 马氏度量,然后在LLE算法的近邻选择、现有样本及新样本降维过程中用马氏度量作为相似性度量.将MLLE算法及其它典型的流形学习算法在ORL和 USPS数据库上进行对比实验,结果表明MLLE算法具有良好的识别性能. -Based on local
Image-processing-lbp-1-
- 提供一种基于颜色和纹理特征的图像识别方法,该方法包括如下步骤:将检测图像A和匹配图像B均分成n个子块;计算检测图像A和匹配图像B在子块k的颜色特征相似距离Dk(A,B),纹理特征相似距离Tk(A,B),其中k∈(o,n];计算检测图像A和匹配图像B的颜色特征相似距离C(A,B),纹理特征相似距离T(A,B);根据检测图像A和匹配图像B的颜色特征相似距离C(A,B)和纹理特征相似距离T(A,B)判断检测图像A和匹配图像B的相似度S(A,B)。相对于现有技术,本发明基于颜色和纹理特征的匹配来计算图像
FSIM
- FSIM,图像的结构相似度,一种用于图像的质量评估,或者图像的特征表示的方法,包含代码及论文-FSIM A Feature Similarity Index for Image Quality Assessment
region
- 区域生长法,手动选种子点吗,它是一个迭代的过程,这里每个种子像素点都迭代生长 直到处理过每个像素,因此形成了不同的区域,这些区域它们的边界通过闭合的多边形定义。 在区域生长中的主要问题如下: (1)表示区域的初始化种子的选择:在区域生长过程中,这些不同区域点合适属性的选择。 (2)基于图像具体属性的像素生长不一定是好的分割。在区域生长过程中,不应该使用连通性或邻接信息。 (3)相似性:相似性表示在灰度级中观察在两个空间邻接像素之间或像素集合的平均灰度级间的最小差分,它们将产生不同的区域
CCA
- 最完整的CCA典型相关分析程序,分析两幅图像,相似度,匹配,融合都可以使用,分析天气变量也可以使用。(The most complete CCA canonical correlation analysis program, analysis of two images, similarity, matching, fusion can be used, analysis of weather variables can also be used.)
Source code
- 在opencv上实现双目测距主要步骤是: 1.双目校正和标定,获得摄像头的参数矩阵: 进行标定得出俩摄像头的参数矩阵 cvStereoRectify 执行双目校正 initUndistortRectifyMap 分别生成两个图像校正所需的像素映射矩阵 cvremap 分别对两个图像进行校正 2.立体匹配,获得视差图: stereoBM生成视差图 预处理: 图像归一化,减少亮度差别,增强纹理 匹配过程: 滑动sad窗口,沿着水平线进行匹配搜索,由于校正后左右图片平行,左图
msssim
- 图像质量评价代码,用于评估两副图片的相似度(Image quality evaluation)
vs
- 数字图像处理基础,显示图片并进行图片的相似度等对比(Fundamentals of digital image processing)
msssim
- matlab实现mssim算法,全参考客观图像质量评价,对结构相似度ssim算法的改进(Matlab implementation of MSSIM algorithm, the improvement of structural similarity SSIM algorithm based on full reference objective image quality assessment.)
SOGFS_aaai16
- Structured Optimal Graph Feature Selection 对图像样本进行特征选择,使用自学习算法,然后得出相似度矩阵S(% Input % X: dim*num data matrix % gamma: coefficient of L21 % d: projection dim of W(dim*d) % c: number of clusters % k: nearest neighobrs %Output %id: sorted featu
FaceNet-A-Unified-Embedding-for-Face-Recognition-and-Clustering
- FaceNet---深度学习与人脸识别的二次结合 Facenet是一个通用的系统,采用CNN神经网络将人脸图像映射到128维的欧几里得空间,我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。两个人像之间的欧几里得距离越近,说明它们越相似。 FaceNet可以用于人脸验证(是否是同一人?),识别(这个人是谁?)和聚类(寻找类似的人?)。FaceNet采用的方法是通过卷积神经网络学习将图像映射到欧几里得空间。空间距离直接和图片相似度相关:同一个人的不同图像在空间距离很小,不同人的图像在
MATLAB版超像素划分
- 此超像素分割代码是基于简单线性迭代SLIC实现,根据LAB颜色空间下颜色相似度完成图像分割,是目前比较流行的一种分割办法。
MSRE
- 主要描述了一种基于最大相似度进行图像目标和背景的合并,主要是对进行了均值漂移之后的图像进行合并。