搜索资源列表
Patternmatching2
- 基于归一化互相关系数的算法在模板匹配和特征跟踪中运用十分广泛,但缺点是其计算量很大. 为此提出了一种在 空间域利用盒形基简化互相关的快速算法,在不修改归一化互相关匹配原理的前提下,用原模板图像在一组正交盒形基张成 的子空间上的投影取代原图像来进行互相关计算,以降低图像精度来缩减计算复杂度. 实验说明,当搜索窗口大小较小时,此 快速算法计算量明显小于传统的频域快速归一化互相关算法. 关键词:模板匹配归一化互相关系数子空间分解盒形基
NcutClustering_7
- 采用归一化的方法对灰色图像进进行分割，分割效果较好
image-processing
- 指纹图像预处理，包括归一化、Gabor增强
FacePre
- 人脸识别中利用眼球进行人脸归一化,很好用很强大的算法
EyesU
- 人脸识别中利用眼球进行人脸归一化.pdf一个很好用的办法
VC++BP
- 本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有实用价值. 一、网络训练 程序默认状态是样本训练状态,现将样本训练状态下的如何训练网络进行说明: 1.系统精度: 定义系统目标精度,根据需要定义网络训练误差精度.误差公式是对训练出网络的输出层节点和实际的网络输出结果求平方差的和. 最大训练次数: 默认为10000次,根据需要调整,如果到达最大训练次数网络还未能达到目标精度,程序退出. 3.步长: 默认为0.01,由于采用
read_image
- 通过大小归一化,直方图均衡化的方式读取人脸表情图像数据,
shuzishibie
- 数字识别系统源代码。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。
AODV_AOMDV
- AODV和AOMDV路由协议性能仿真与分析:：使用NS一2仿真软件，选取分组投递率、端到端的平均时延、归一化的路由开销和路由发现频率4个指标对AODV和AOMDV 路由协议进行了性能仿真，通过改变业务源连接数目、节点的暂停时间分析比较这些参数对2个协议性能的影响，研究结果表明了AOMDV 多径协议的优越性。并提出了对AOMDV协议的改进。
norm_faces
- 这个是进行人脸识别或是人眼定位所要用到的BioID人连数据库，该数据库是进行过归一化处理后的
BimomentNormalization
- 该算法是bimoment非线性归一化的改进，可以对最终的识别率有所提高，而且该算法能够自动的调整汉字的中心，并有很强的抗干扰能力
PlateReco
- 一个很好的车牌定位与识别系统，能够对车牌进行很好的定位，二值化、归一化处理，运用16段法进行特征提取，对提取出的字符进行细化达到精确识别的目的。
NLMS
- 若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权矢量迭代更新的调整量。为了达到快速收敛的目的，必须合适的选择变步长 的值，一个可能策略是尽可能多地减少瞬时平方误差，即用瞬时平方误差作为均方误差的MSE简单估计，这也是LMS算法的基本思想
DigitRec
- 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别） 第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别 识别的结果显示在屏幕上，同时也输出到文件result.txt中 该系统的识别率一般为90％ 另外，也可以单独对打开的图片一步一步进行图像预处理工作。但要注意，每一步工作只能执行一遍，而且
CreateSOMNet
- 创建一个som的代码，并归一化，内含网络结构的详细参数
1
- 基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向，其中道路图象的正确分割 是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题，提 出了一种基于’() 神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量，应用基于 ’() 学习算法的神经网络分类器进行道路与非道路识别；为解决环境噪声对神经网络输出的影响，本文设计了串行级联 式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实
matlab
- 如何利用MATLAB求最小特征值和特征向量,并将特征向量归一化
dtcwttexture
- 基于内容的图象检索系统代码图片预处理是为了使图片归一化，归一化的目的是将每幅原始图像调整到相同的尺寸和对应位置，从而消除平移、缩放和旋转对于图像鉴别的影响以方便对图片进行的特征提取。
Crop_Scale1
- 实现了bmp位图的几何归一化处理，可调参数设置，适合于灰度、彩色位图文件的处理。
facerecongnition
- 基于弹性模板匹配的人脸表情识别程序。首先针对静态表情图像进行表情图像的灰度、尺寸归一化，然后利用Gabor小波变换提取人脸表情特征以构造表情弹性图，最后提出基于弹性模板匹配及K-近邻的分类算法实现人脸表情的识别。