搜索资源列表
04
- 能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。通过一些后续处理手段可以实现停车场收费管理，交通流量控制指标测量，车辆定位，汽车防盗，高速公路超速自动化监管、闯红灯电子警察、公路收费站等等功能。-Monitored to dete
program
- 这是一个可以识别输入的数字字母的程序。用于图像处理课。可用于模式识别。-the program can read the number or letter you write.
image
- 数字图像与模式识别的作业,非常好用，欢迎大家下载-Digital image and pattern recognition operations
Visual-C-MATLAB-image-processing
- 本书系统地介绍了图像处理与识别的基本原理、典型方法和实用技术。全书共分12章，第1章～第6章是图像处理与识别的基础内容，包括图像科学综述、MATLAB语言图像编程、图像增强、图像分割、图像特征提取和图像识别；第7章～第10章是图像处理与识别的工程实例，涵盖了医学图像处理、文字识别和自导引小车路径识别等应用实例，并结合理论算法，提供了大量MATLAB代码程序，以帮助读者掌握如何使用MATLAB语言快速进行算法的仿真、调试和估计等方法。第11章～第12章，是两个综合性较强的实例，分别是Visual
image-conversion-basis-for-novices
- 模式识别数字图像变换基础，包含bmp图像读取，图像的空域时域变换，傅里叶变换，霍夫变换，形态学滤波等，很全的基础代码，适合新手-Pattern recognition-based digital image conversion, including bmp image read, airspace domain transform images, Fourier transform, Hough transform, morphological filtering, it is the who
Vc6_Image
- VC++图像处理及源码包（大全）包括下列内容：1.数字图像获取，处理及实践应用电子书 2.数字图像获取，处理及实践应用电子书分章节源码 3.书中提及的各种算法的综合源码。压缩包里面包括的算法代码有：分章节源码内容：内容：对比度增强、灰度变换法、直方图修整法、图像平滑、图像锐化、伪彩色和假彩色增强；逆滤波复原、维纳滤波方法；傅立叶变换、离散余弦变换（DCT）、沃尔什变换、基于特征向量的变换、霍特林（Hotelling）变换、SVD变换、小波变换、Mallat算法；霍夫曼（Huffman）编码、算术
sample4
- 工神经网络（Artificial Neural Network）又称连接机模型，是在现代神经学、生物学、心理学等学科研究的基础上产生的，它反映了生物神经系统处理外界事物的基本过程，是在模拟人脑神经组织的基础上发展起来的计算系统，是由大量处理单元通过广泛互联而构成的网络体系，它具有生物神经系统的基本特征，在一定程度上反映了人脑功能的若干反映，是对生物系统的某种模拟，具有大规模并行、分布式处理、自组织、自学习等优点，被广泛应用于语音分析、图像识别、数字水印、计算机视觉等很多领域，取得了许多突出的成果
code
- 数字图像处理，道路分割，模式识别，区域生长。-picture modify
Digita_image_processing6
- 数字图像处理和模式识别中人脸识别内容，程序规范，有演示和图片-Face recognition, digital image processing and pattern recognition program specification, a demo and pictures
Vehicle-License-Plate-Recognition
- 车牌识别技术(Vehicle License Plate Recognition，VLPR) 是指能够检测到受监控路面的车辆并自动提取车辆牌照信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理的技术。车牌识别是现代智能交通系统中的重要组成部分之一，应用十分广泛。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。-License plate recognition technology (VLP
numberRec
- 按照模式识别系统组成，介绍手写数字自动识别技术的四个连续处理过程：数字图像预处理，特征提取，粗糙集特征约简和数字识别四个连续的过程。-In accordance with the pattern recognition system components, introduces four consecutive processing digital automatic handwriting recognition technology process: digital image prepro
fenge
- 用于数字图像处理，对一幅图像进行预处理、分割、特征提取、模式识别等过程-For digital image processing, an image pre-processing, segmentation, feature extraction and pattern recognition process
armfly-DSP-tutorials-Chapter-34
- 本教程使用的DSP库来自ARM官方，此库支持以CM0，CM3，CM4以及CM7为内核的所有MCU。在数字信号处理中，滤波器占有及其重要的地位。数字滤波器是语音处理，图像处理，模式识别，频谱分析等应用的基本处理算法。从本章起，我们将开始讲解滤波器设计。-This tutorial uses a DSP library the ARM official, this library supports CM0, CM3, CM4 and CM7 for the kernel of all MCU.
DeepLearnToolbox_CNN_lzbV2.0
- DeepLearnToolbox_CNN_lzbV2.0 深度学习,卷积神经网络,Matlab工具箱 参考文献: [1] Notes on Convolutional Neural Networks. Jake Bouvrie. 2006 [2] Gradient-Based Learning Applied to Document Recognition. Yann LeCun. 1998 [3] https://github.com/rasmusberg
fnnaeees
- 对于初学matlab的同学会有帮助，基于人工神经网络的常用数字信号调制，阵列信号处理的高分辨率估计，BP神经网络用于函数拟合与模式识别，基于分段非线性权重值的Pso算法，粒子图像分割及匹配均为自行编制的子例程。- Matlab for beginner students will help, The commonly used digital signal modulation based on artificial neural network, High-resolution array s
ccjfqbhk
- music高阶谱分析算法，基于人工神经网络的常用数字信号调制，包含CV、CA、Single、当前、恒转弯速率、转弯模型，粒子图像分割及匹配均为自行编制的子例程，模式识别中的bayes判别分析算法，包括回归分析和概率统计，给出接收信号眼图及系统仿真误码率，是国外的成品模型。- music higher order spectral analysis algorithm, The commonly used digital signal modulation based on artificial
FIR
- FIR(Finite Impulse Response)滤波器：有限长单位冲激响应滤波器，又称为非递归型滤波器，是数字信号处理系统中最基本的元件，它可以在保证任意幅频特性的同时具有严格的线性相频特性，同时其单位抽样响应是有限长的，因而滤波器是稳定的系统。因此，FIR滤波器在通信、图像处理、模式识别等领域都有着广泛的应用。-FIR (Finite Impulse Response) filters: finite impulse response filter units, known as no
peiqiu_v59
- 图像的光流法计算的matlab程序,语音信号的采集与处理，数字信号处理课设，可以实现模式识别领域的数据的分类及回归。- Image optical flow calculation matlab program, Acquisition and Processing of the speech signal, digital signal processing class-based, You can achieve data classification and regression patt
one
- 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状 特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based
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