搜索资源列表
Genetic-algorithms-
- 本文主要介绍遗传算法的基本理论,叙述遗传算法在图像增强的的主要应用,即将原始图像变得更加清晰,特征变得更加明显。 现今关于图像增强的算法有很多,而这些算法大多是基于退化函数或者点扩展函数的知识进行图像处理的。当图像出现模糊或噪声影响大时,设计出的图像清晰化的效果肯定不够理想,因此有必要对图像进行增强处理。于是,可利用到遗传算法这种成熟稳定的仿生物进化的全局寻优算法,进行图像增强,由于遗传算法控制参数少、自适应度高,将选择该方法对图像退化分别进行不同的清晰化处理. 这样既增强了图像的对比度,又
demo_feature_select
- 对卫星云图特征识别与选择,并通过多种算法的综合应用,寻找显著性特征。-The identification and selection of the satellite image characteristics, and by the application of a variety of algorithms to find the significant features.
coexistence_exhaust_function
- 这个matlab程序实现了基于穷举算法即容量最大化对认知用户的特征模式的选择的算法的仿真-The matlab program implements the algorithm that is based on exhaustive maximize the capacity of cognitive characteristics of the user mode selection algorithm simulation
Face_recognition
- 人脸识别程序。算法部分目前分为4个模块:人脸对齐、光照归一化、特征提取和选择、子空间降维,每个模块是一个项目,每个项目生成一个dll供功能部分隐式调用-Recognition program. Part of the algorithm is currently divided into four modules: face alignment, illumination normalization, feature extraction and selection, subspace dime
asmpointtool
- asm人脸特征点标定辅助工具,核心为利用ASM算法检测人脸特征点,可以通过鼠标和键盘来选择和移动调整特征点,鼠标点击选取特征点,a w s d控制特征点移动。-asm facial feature point calibration aids, the core for the use of ASM algorithm detects facial feature points, via mouse and keyboard to select and move the adjusted cha
Support-data-mining-algorithms
- 支持数据挖掘算法选择的数据集特征提取研究,感觉不错的文档-Support data mining algorithms selected data sets feature extraction, feeling good documentation
image-feature
- 把 SIFT 算法应用在牙齿模型图像上,检测牙齿图像的特征点。 方法:首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息,从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点,得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度,并采用 KNN 算法进行特征匹配。 结果:通过大量的实验和与其他特征提取方法相比较,该方法能有效地检测牙 齿模型图像的特征,并为牙齿
sift-based-on-edge-corner
- SIFT 由特征提取,特征描述符描述和特征匹配 3 部分构成,该算子特征提取数目庞大,建立特征描述符运算 量高,导致算法效率低。提出了一种 SEC( SIFT-Edge-Corner) 算法,在图像尺度空间提取角点代替 SIFT 特征点,并根 据角点是边缘曲率极值理论,预先采用 Canny 算子得到高斯边缘图像金字塔,再提取角点并进行尺度选择。实验结 果表明: 该算法在保障高准确率的前提下大幅度提高特征提取效率-By the SIFT feature extraction, fea
classical-algorithm
- 关于经典算法的思考与总结。涵盖KMP.遗传.启发式搜索.图像 特征提取 SIFT.傅立叶变换.Hash.快速排序.SPFA.快递选择 SELECT A*.Dijkstra.DP.BFS/DFS.红黑树等 15 个经典基础算法, 共计 31 篇文章,包括算法理论的研究与阐述,及其编程的具体实现。很多个算法都后续写 了续集-Thinking about the classical algorithm and summary. Covering the KMP. Genetic heuri
模式识别及其在图像处理上的应用
- 对模式识别进行了详细的概括,包括其框架、特征提取与选择以及各种算法进行了介绍。介绍了模式识别在图像处理方面的应用,以及现在存在的问题,最后做了展望。概括的很详尽
CanopyExm
- Canopy聚类算法是一个将对象分组到类的简单、快速、精确地方法。每个对象用多维特征空间里的一个点来表示。这个算法使用一个快速近似距离度量和两个距离阈值 T1>T2来处理。 Canopy聚类算法能快速找出应该选择多少个簇,同时找到簇的中心,这样可以大大优化 K均值聚类算法的效率 。-Canopy is a clustering algorithm to group objects into simple categories, fast, accurate method. Each obj
sipls
- 包含SIPLS组合区间算法(Synergy Interval PLS, SIPLS),可进行特征光谱的区间选择-Contains a combination of interval algorithm SIPLS (Synergy Interval PLS, SIPLS), can range selection feature of the spectrum
pca
- 本文实现了众所周知的PCA算法。它返回一个减少号尺寸/特征数据集。折减系数,即多少特征最终/减少集应该包含可由用户选择。 它包含一个面说明数据集(脸。垫)(请参阅自述文件)如何使用。-this implements the well known PCA algorithm. It returns a Dataset with reduced no. of dimensions/features. The reduction factor i.e how many features the f
Edge_Detection
- 多种边缘检测算法 可以进行对比选择,方便提取更好的边缘特征-A variety of edge detection algorithm can be compared to choose, easy to extract better edge features
CHENGXU
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲,信号处理的观测空间可以分解为信号子空间和噪声子空间,显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成,噪声子空间则由协方差矩阵中所有最小特征值(噪声方差)对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱,所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率,同时适应于任意形状的天线阵列
Watershed
- 基于opencv2.3.1,使用标记控制的分水岭算法,将图像中各个目标分割出来,并选择合适的特征将目标分为 两类。-Based on watershed algorithm opencv2.3.1, use mark control, the image of each target segmented, and the appropriate target features into two categories.
pujulei
- 谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 , 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域, 最近才开始用于机器学习中,并迅速成为国际上机器学习领域的研究热点。-Spectral clustering algorithm based on the spectrum b
ZPclustering
- 谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 , 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域, 最近才开始用于机器学习中,并迅速成为国际上机器学习领域的研究热点。-Spectral clustering algorithm based on the reprodu
fast-template-matching
- 本文提出一种基于图像边缘几何特征的快速模板匹配算法。算法利用边缘 点的位置和梯度方向作为匹配信息进行相似度计算。可以很好的避免因图像明 暗变化、光照不均匀、旋转所带来的影响,且对于部分遮挡的情况,亦可以得 到良好的匹配结果。为了得到边缘点坐标和梯度方向,本文根据曲面拟合原理, 通过平移变换,推导出精确梯度方向和亚像素边缘坐标的快速算法。既加快了 算法的处理速度,也是匹配算法高精度的前提保证。为了使匹配算法满足实时 性要求,主要采用阈值判断和图像金字塔算法的搜索策略。在阈值
Best-viewpoints-selection
- 针对三维模型视点选择问题,提出了基于特征点检测的最佳视点选择方法。算法首先根据三维网格模型 的顶点邻接区域信息计算顶点的局部高度,即顶点的显著度大小;然后基于顶点的局部高度值大小,结合非极大值 抑制算法进行三维模型表面特征点检测;最后针对视点球体上的每个候选视点分析该视点下可见特征点的几何分 布信息,计算视点质量,从而筛选出最佳视点。实验结果验证了基于特征点检测的三维模型视点选择方法的合理 性和优越性,所选择的最佳视点能够提供三维模型较多的几何结构和视觉特征信息。-Best vi