搜索资源列表
fc5j_EM_matlab
- em算法求解混合高斯模型，适合图像处理中，对象分割-em algorithm Gaussian mixture model suitable for image processing, object segmentation
light2
- 基于肤色的人脸检测方法，包括肤色模型建立和肤色分割过程两大部分内容。在比较了颜色空间和两种模型后，选择了在 YCbCr 空间建立高斯模型。输入图像经过相似度计算、阈值分割、最后得到人脸区域。
gaussian-mixture-model
- 混合高斯模型，直接应用于图像分割，简单易行，傻瓜式操作，保准让你爱不释手。-gaussian mixture model applied to image segmentation, easy, convenient, you are sure to love it.
VariableWeightMRMRF
- 基于变权重MRF的图像分割算法，特征场是使用混合高斯模型，标记场使用Pott模型，基于迭代条件模式进行分割-MRF based on weighted image segmentation algorithm, feature field is the use of Gaussian mixture model, using the tag field Pott model segmentation based on iterative model conditions
markov
- 基于高斯混合模型markov树算法的图像分割-Gaussian mixture model based markov tree algorithm for image segmentation. . .
GKIT
- 基于广义高斯模型的自动阈值选取(GKIT)，用于图像分割、图像分类。-GKIT：Threshold Selcetion Based on the Generalized Gaussian Models，for image segmentation and classification
20100107
- 一种基于高斯混合模型的距离图像分割算法。-Based on Gaussian mixture model for image segmentation
GMMS
- OPENCV下基于高斯混合模型的图像分割，程序中还有 基于大津法的图像分割和金子塔分割。-OPENCV Based on Gaussian mixture model of image segmentation, the program also includes Otsu method based on image segmentation and the segmentation pyramid.
gmm2n
- 集合混合高斯模型的图像目标分割算法的VC实现-Gaussian mixture model for image set goals to achieve segmentation algorithm VC
rennian
- 一种基于肤色分割、区域分析和模板分布的彩色图像人脸检测算法.首先对输入的彩色图像利用混合高斯模型和亮度模型进行分割,然后根据人脸五官的结构特征对得到的区域进一步分析处理,获得所有可能的候选人脸.接着构造了一种基于双眼和人脸模板的概率模型并利用其对候选人脸进行最终检测.-Based on skin color segmentation, regional analysis and the template in color images of face detection algorithm. F
GMM3
- 基于混合高斯模型的运动目标检测，能实时检测出完整运动前景，是本人对原来的高斯模型的改进-Gaussian mixture model based motion detection, real-time full motion detection prospects are my original Gaussian model improvements
mixture_of_gaussians
- 这个程序是基于混合高斯背景模型的运动目标检测算法，m文件和所用视频放到matlab的工作目录下即可运行-This program is based on the Gaussian mixture background model of moving target detection algorithm, m, and used video files into matlab working directory to run
The-detection-of-traffic-lights
- 交通信号灯的检测是复杂场景下交通灯识别的重点。采用了色彩分割与关联滤波方案进行交通灯的检测。首先，建立交通信号灯的高斯模型，利用高斯向量与多色彩空间结合的方法进行图像分割。然后，采用基于区域增长与相似性判定的关联滤波，对色彩分割后的图像进行处理。最后，使用基于canny算子的边缘提取算法获取方向指示灯轮廓特征，并使用基于改进hu不变矩和马氏距离对方向指示信号灯进行分类。-The detection of traffic lights is the focus of traffic lights
Face-RecognitionMATLAB-CODE
- 在YCbCr色彩空间中建立肤色分布的高斯模型,得到肤色概率似然图像,在最佳动态阈值选取算法下完成肤色区域的分割。-YCbCr color space to establish the color distribution of the Gaussian model, color probability likelihood image, skin color region segmentation is completed in the best dynamic threshold select
5
- 了适应跟踪过程中目标光照条件的变化，并对目标特征进行在线更新，提出一种将局部二元模式(LBP) 特征与图像灰度信息相融合，同时结合增量线性判别分析对目标进行跟踪的算法．跟踪开始前，为了获得比较准确的目标描述，使用混合高斯模型和期望最大化算法对目标进行分割；跟踪过程中，通过蒙特卡罗方法对目标区域和背景区域进行采样，并更新特征空间参数．得到目标和背景的最优分类面；最后使用粒子滤波器结合最优分类面对目标状态进行预测．通过光照变化的仿真视频和自然场景视频的跟踪实验，验证了文中算法的有效性．-Trac
EMal
- 使用EM算法完成图像的分割，使用混合高斯模型，可以修改分类数。运行EM.m-Expectation Algorithm
基于高斯模型的肤色建模与似然图计算
- 基于肤色的人脸分割，对图像进行预处理后建立模型(Face segmentation based on skin color)
GMM-HMRF_v1.1
- 高斯混合模型 马尔科夫 image segmentation MRF GMM GMM ICM(Gauss mixture model)
automatic_image_segement
- 本文以k-means算法为背景，引入信息熵相关知识，从而实现全自动分割图像。然而在利用混合高斯模型对图像进行数据分析时，会发生一定的过拟合现象，导致我们得不到预期的聚类数目。本文设计合理的合并准则，令模型简化，有效地消除过拟合现象，使得最后得到的聚类数目与预期符合。，设计合理的准则改进了图像的全自动分割方法，使得分割结果更加优化(In this paper, k-means algorithm is used as the background, and information entropy
GMM-HMRF
- 基于高斯混合模型和隐马尔科夫模型的图像分割算法(Image segmentation algorithm based on Gaussian mixture model and hidden Markov model)