搜索资源列表
VC_ImageProcessing
- 《Visual C++数字图像获取、处理及实践应用》杨枝灵、王开等编著。内容：第4章 图像增强（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）；第5章 图像复原（逆滤波复原、维纳滤波方法）；第6章 图像处理中的正交变换（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）；第7章 图像压缩编码（霍夫曼（Huffman）编码、算术编码、游程编码（Run Length Codin
readtext
- 使用Kalman滤波实现二维图像中目标的轨迹跟踪源代码 这个程序通过Kalman滤波实现目标轨迹跟踪，并预测目标下一出现的位置。它通过背景相减实现目标检测，然后把输出的结果交给Kalman滤波器，预测出下一出现的位置（红色），可以和实际出现的位置（绿色）相比较。
VideosTargetDetection.rar
- 1. 静态背景下的背景预测法目标检测2. 静态背景下帧间差分法目标检测 3. Mean Shift目标跟踪方法4. 重心多目标跟踪方法 ,1. Static background prediction in the context of target detection method 2. Static background frame difference method for target detection 3. Mean Shift Object Tracking Method 4.
motion-tracking-system-
- 本文分析比较了传统运动目标检测的3种主要方法:背景图像差分法、时态差分法和光流法,在此基础上给出了一种背景图像预测算法,大大减少了因为背景变化而产生的目标检测误差。本文基于OpenCV设计出改进的运动目标检测与跟踪算法,实现了运动目标的跟踪,并在VC++编译环境下,利用USB摄像头作为视频采集器,通过观察实验结果可以看出,本文的运动目标检测算法能够正确地检测出视频图像中的运动目标,而且在检测性能上优于普通的自适应背景差分法。 -OpenCV-based motion tracking sys
Video_detection
- 视频演示算法包括： 1. 静态背景下的背景预测法目标检测 2. 静态背景下帧间差分法目标检测 3. Mean Shift目标跟踪方法 4. 重心多目标跟踪方法 该框架支持的视频只限于RGB非压缩Windows AVI格式，可以通过“文件”菜单下打开视频来打开视频文件。-Algorithm for video presentation include: 1. Static background background prediction target detection 2.
kalman
- gui,实现视频的读入，以及图像的获取，并实现kalman滤波对目标物的位置进行检测预测-kalman filter detect the object
BA_in_H_264_inter_prediction_Moving_Target-Detecti
- BA于H_264帧间预测算法的运动目标检测技术,一个nh文件需要用caj阅读器查看-BA in inter prediction H_264 moving target detection algorithm, a nh file reader need caj View
videoprocessframework
- 目标检测演示框架算法包括： 1. 静态背景下的背景预测法目标检测 2. 静态背景下帧间差分法目标检测 3. Mean Shift目标跟踪方法 4. 重心多目标跟踪方法 该框架支持的视频只限于RGB非压缩Windows AVI格式，可以通过“文件”菜单下打开视频来打开视频文件。-Presentation framework of the target detection algorithms include: 1. The context of the background s
xinxilun
- 《Visual C++数字图像获取、处理及实践应用》杨枝灵、王开等编著。内容：第4章 图像增强（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）；第5章 图像复原（逆滤波复原、维纳滤波方法）；第6章 图像处理中的正交变换（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）；第7章 图像压缩编码（霍夫曼（Huffman）编码、算术编码、游程编码（Run Length Codin
Video_Demo
- 视频目标检测演示框架,视频演示算法包括： 1. 静态背景下的背景预测法目标检测 2. 静态背景下帧间差分法目标检测 3. Mean Shift目标跟踪方法 4. 重心多目标跟踪方法 -Framework for object detection video presentation, video presentation algorithms include: 1. Static background of the context of target detection pr
c
- 边缘检测 储层预测 分形理论 可以大大提高储层预测的精度 换到哈佛-edge detection
Orangedetect
- 为了研究适合近红外光谱无损检测脐橙VC 含量的光谱预处理方法, 比较了11 种光谱预处理方法对偏最小二乘法( PLS) 建模预测效果的影响。结果表明, 小波消噪效果最好, 模型预测值与标准值的相关系数R 达到0. 957 4, 交叉验证预测均方差仅为3. 90, 最优光谱波段为7 501. 7～5 449. 8 cm- 1, 主成分数为8。小波消噪是脐橙VC 含量近红外光谱无损检测的有效光谱预处理方法。-In order to search an appro priate pret reatme
Citrus-Fruits-pH-Value-detect
- 对机器视觉系统采集 的柑橘图像进行图像裁切、RGB 空间至HSI 空间的转换和差值法去图像背景，用色调H 和饱和度S 为输入，建立小波神经网络柑橘pH 预测模型，无损检测柑橘pH。-Images of citrus fruits from machine vision system were processed by cutting, converting from RGB space to HSI space, removing background by deviation. A w
detection
- 静态背景下的背景预测法目标检测 静态背景下帧间差分法目标检测 Mean Shift目标跟踪方法 重心多目标跟踪方法 -motion detection including meanshift/difference images/we can detect the man or object
Video-Demo
- 视频演示算法包括： 1. 静态背景下的背景预测法目标检测 2. 静态背景下帧间差分法目标检测 3. Mean Shift目标跟踪方法 4. 重心多目标跟踪方法 -Video presentation of algorithms include: 1、Static Background prediction of target detection. 2、static background frame difference method target detection
Video-Demo
- 程序包括： 1. 静态背景下的背景预测法目标检测 2. 静态背景下帧间差分法目标检测 3. Mean Shift目标跟踪方法 4. 重心多目标跟踪方法 对于做视频跟踪的很有帮助，程序很完整 -The procedures include: 1. Background prediction method in the static context of target detection. A static context of inter-frame difference
background-prediction
- 利用背景预测方法进行弱小目标检测，取得了比较好的效果。是用源图像减掉了背景得到残差图像进行检测的-dim target tetection using background prediction method
kalmanWithHaardetect
- 卡尔马滤波预测人脸区域。对该区域进行人脸检测。(Prediction of human face region by Calman filtering. Face detection is performed in the prediction region.)
二维最小均方误差TDLMS（主要用于小目标跟踪）
- 二维最小均方误差背景预测算法TDLMS，常用于目标检测，经实测，效果较好(Two dimensional minimum mean square error background prediction algorithm TDLMS, commonly used in target detection, measured, the effect is better)
video
- 1. 静态背景下的背景预测法目标检测 2. 静态背景下帧间差分法目标检测 3. Mean Shift目标跟踪方法 4. 重心多目标跟踪方法(1. Background prediction method background detection in static background 2. Inter-frame difference method target detection in static background 3. Mean Shift The target track