搜索资源列表
Matlab-matting-code
- 显示图像后，单击鼠标左键连出完全背景区域，双击左键结束； 图像改变后，再单击鼠标左键连出完全前景区域，双击左键结束。即可得到结果 -Display the image, click the left mouse button to even out completely the background area, double-click the left end images after the change, and then click the left mouse button
RobustMatting_1.45
- 一个鲁棒 matting 的程序，可生成trimap，可手动画出前景，背景，trimap，提取图像-A robust matting program can generate trimap, you can manually draw the foreground, background, trimap, extract images
3
- 运动目标跟踪在工业过程控制、医学研究、成像制导等领域具有重要的实用价值。目前的研究多基于背景静止的情况，对背景发生移动的情况研究较少。提出了一套完整的移动背景下的目标跟踪算法，首先使用基于互信息的方法配准序列图像的背景。然后使用差分的方法进行运动区域检测，并将其与图像分割技术相结合，得到目标跟踪模板。目标的跟踪基于Kalman滤波的预测，其匹配过程仍基于互信息理论，实验结果证明：该算法具有较高的计算效率和准确性，应用前景广泛。-it is of important practical value
GrabCutExercise
- 基于vs2008和opencv2.4.2的图像分割程序，该程序实现从给定图像中分割出前景ROI并显示分割后的结果。包含矩形窗口分割和掩码图像分割两种模式，采用掩码图像分割时，按Ctrl和鼠标左键添加背景，按Shift键和鼠标左键添加前景-Image segmentation based on vs2008 and opencv2.4.2 program, the program implementation from a given image segment the foreground RO
chengxingshibie
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。 -1 First, click Load Image menu item (load background and foreground image), the image in the image folder below.
GMm
- 混合高斯模型在运动检测中的应用，检测视频中的运动物体，做出其背景图像和前景图像-Gaussian mixture model in motion detection to detect moving objects in the video to make the background image and the foreground image
beijingchafen
- 最简单的频间差分，读取avi，分别显示背景、前景和查分后的图像。XP、opencv2.4.3环境运行。-The frequency difference between the easiest to read avi, respectively, show the background, foreground and check points after images.
CheXingShiBie
- 1.首先单击载入图像菜单项（载入背景和前景图像）,图像在image文件夹下面。 2.然后单击车辆提取菜单项，依次进行图像做差、二值化、开运算、图像去噪、图像填充处理。 3.再单击轮廓提取菜单项，提取车辆轮廓。 4.最后单击车型识别菜单项，对车辆进行识别。-1 First, click Load Image menu item (load background and foreground image), the image in the image folder below. 2
OTSU(3)
- 大津法由大津于1979年提出，对图像Image，记t为前景与背景的分割阈值，前景点数占图像比例为w0， 平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1-Otsu method by Otsu in 1979 suggested that the image Image, remember t for the foreground and background segmentation threshold, the prospect of accounting for the image
ren_lian_jian_ce
- 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。-Face Recognition System with Face Recognition technology as the core, is an emerging biometric technology, is
shuangfeng
- 双峰法的原理及其简单：它认为图像由前景和背景组成，在灰度直方图上，前后二景都形成高峰，在双峰之间的最低谷处就是图像的阈值所在。-Bimodal law theory and simple: it considers the prospects and the background image from the composition, in the histogram, the before and after the Second King have formed a peak in the
shuangfeng
- 双峰法的原理及其简单：它认为图像由前景和背景组成，在灰度直方图上，前后二景都形成高峰，在双峰之间的最低谷处就是图像的阈值所在。-Bimodal law theory and simple: it considers the prospects and the background image from the composition, in the histogram, the before and after the Second King have formed a peak in the
Hyperspectralpplication
- 讲诉了高光谱图像的应用前景和发展趋势的论文，入门有帮助-Recounts the prospect and development trend of hyperspectral images papers, entry helpful
ImageMatting
- 图像处理ImageMatting的实现。主要思路是： 1）手工交互的给出一个前景区域的包围盒。 2）根据当前的前景和背景分割结果，分别估计前景和背景的GMM模型 3）用GraphCut算法进行分割 对上述2），3）两步进行迭代，得到比较好的分割结果 （分割-->估计前景背景-->分割） 4）matting-Image processing ImageMatting achieved. The main idea is: 1) gi
segment
- 实用形态学滤波对图像进行腐蚀、膨胀、开闭、边缘及角点检测、分割，实用GrabCut算法提取前景物体-File: morphology.cpp correspond to Recipes: Eroding and Dilating Images using Morphological Filters Opening and Closing Images using Morphological Filters Files: morpho2.cpp morpho
gmm
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
grabcut
- GRABCUTOpenCV中的GrabCut算法是依据《"GrabCut" - Interactive Foreground Extraction using Iterated Graph Cuts》这篇文章来实现的。该算法利用了图像中的纹理（颜色）信息和边界（反差）信息，只要少量的用户交互操作即可得到比较好的分割结果。如果前景和背景之间的颜色反差不大，分割的效果不好；不过，这种情况下允许手工标记一些前景或背景区域，这样能得到较好的结果。-GRABCUTOpenCV in GrabCut alg
m_segmentation
- 自动阈值法和otsu两种方法对图像进行背景和前景的分割。-Automatic threshold method and otsu two kinds of methods for image segmentation of background and foreground.
kmeans_segment
- 利用K均值进行图像分割，无需利用“苹果为红色”这个先验知识，而只需利用图像本身的特征——前景与背景区别较明显-The use of K-means image segmentation, without the use of " red apple" This a priori knowledge, and simply use the characteristics of the image itself- the more obvious differences betwe
background-model6
- 针对子块级背景建模方法无法保证所提取前景形状的精确性及像素级背景建模方法无法有效处理非平稳场景的问题，提出了一种背景建模分层模型，首先采用文中子块级建模算法得到较为粗糙的背景区域和前景区域，然后利用混合高斯模型对特定图像区域执行像素级的前景提纯或背景模型更新操作，2 种不同层次的算法通过非 对称前向反馈机制进行级联。实验结果表明，所提分层模型在能够有效处理非平稳场景的同时保证了所提取前景 形状的精确性，且对光照突变不敏感，建模效果优于级联算法中任一独立算法，而处理时间小于2 种独立算法处